pandas dataframe里行按条件筛选后如何重新index？-CDA数据分析师官网

link管理

链接快照平台

输入网页链接，自动生成快照
标签化管理网页链接

1. Pandas DataFrame 的基础知识

在介绍如何重新编号之前，我们先来复习一下Pandas DataFrame 的基础知识。

Pandas是一个Python第三方库，用于数据分析和处理。在Pandas中， DataFrame 是一种二维表格数据结构，其中每行代表一个样本，每列代表一个特征。可以将 DataFrame 看作是由多个 Series 组成的字典。

Pandas中的 DataFrame 有很多常用的操作，例如筛选、排序、统计等。其中，筛选是最常见的操作之一。Pandas提供了多种方法对 DataFrame 进行筛选，例如loc、iloc、query等。

2. 筛选后重新编号的需求

在实际应用中，我们经常需要根据某些条件对 DataFrame 进行筛选。例如，我们有一个包含学生信息的 DataFrame ，想要选择年龄在20岁以下的学生。可以使用如下代码进行筛选：

import pandas as pd
# 创建DataFrame
data = {'name': ['Alice', 'Bob', 'Charlie', 'David'],
        'age': [18, 21, 19, 22],
        'gender': ['F', 'M', 'M', 'M']}
df = pd.DataFrame(data)
# 筛选年龄小于20岁的学生
df_filtered = df[df['age'] < 20>

筛选后，得到的df_filtered如下所示：

      name  age gender
0    Alice   18      F
2  Charlie   19      M
可以看到，筛选后的DataFrame中仅包含两行数据。此时，我们希望重新为这两行数据进行编号，以便于后续的分析。
3. 重新编号的方法
Pandas提供了两种方法对DataFrame进行重新编号：reset_index和set_index。
3.1 reset_index
reset_index方法可以重新为DataFrame中的行进行编号，并将原有的索引列转化为普通列。例如，对于上面的df_filtered，可以使用如下代码进行重新编号：
df_reindexed = df_filtered.reset_index(drop=True)
其中，drop=True表示将原有的索引列删除。执行上述代码后，得到的df_reindexed如下所示：
      name  age gender
0    Alice   18      F
1  Charlie   19      M
可以看到，重新编号后的df_reindexed中，行的编号从0开始递增。
3.2 set_index
set_index方法可以将DataFrame中的某一列作为新的索引列，并删除原有的索引列。例如，我们可以将上面的df_filtered按照name列进行重新索引：
df_reindexed = df_filtered.set_index('name')
执行上述代码后，得到的df_reindexed如下所示：
         age gender
Alice     18      F
Charlie   19      M
可以看到，重新索引后的df_reindexed中，原有的索引列被删除，而name列成为了新的索引列。
4. 总结
本文介绍了在Pandas中对DataFrame进行重新编号的两种方法：reset_index和set_index。这些方法可以帮助我们在进行数据筛选后，方便地对DataFrame中的行进行重新编号，并且能够使得数据更易于分析和处理。需要注意的是，在使用这些方法时，应当根据具体情况选择合适的方法。如果不需要保留原有的索引列，则应该使用reset_index方法；如果需要将某一列作为新的索引列，则应
使用set_index方法。同时，在使用这些方法时，应该特别注意参数的设置，以免产生不必要的错误。
除了重新编号外，Pandas还提供了很多其他的操作，例如数据清洗、数据变换等。在学习Pandas时，建议多加练习和实践，逐步掌握其基本操作和高级技巧，以便于更好地应用于实际问题中。
                                    DataFrame
                                    Series
                                    pandas