Aptarkime, kaip iš naujo nustatyti Pandas DataFrame indeksą. Dažnai pradedame nuo didžiulio duomenų rėmo Pandos o pakeitę/filtravę duomenų rėmelį, gauname daug mažesnį duomenų rėmelį. Kai žiūrime į mažesnį duomenų rėmelį, jame vis tiek gali būti pradinio duomenų rėmelio eilutės indeksas. Jei pradinis indeksas yra numeriai , dabar turime indeksus, kurie nėra tęstiniai.
java numeris į eilutę
Iš naujo nustatyti indekso sintaksę
Sintaksė:
DataFrame.reset_index(level=nėra, drop=false, inplace=false, col_level=0, col_fill=)
- Parametrai:
level>: nurodo kelių lygių indekso lygius, kuriuos reikia nustatyti iš naujo.drop>: atmeta dabartinį indeksą, jei True; prideda kaip naują stulpelį, jei False.inplace>: pakeičia DataFrame vietoje, jei True; grąžina naują DataFrame, jei False.col_level>: nurodo, kokio lygio kelių lygių stulpelius reikia nustatyti iš naujo.col_fill>: užpildo trūkstamas reikšmes stulpelių lygiuose.- Grąžinimo tipas: Grąžina naują DataFrame, jei
inplace>yra klaidinga; Nieko jeiinplace>tiesa
Na, pandos turi reset_index()> funkcija. Taigi, norėdami iš naujo nustatyti indeksą į numatytąjį sveikųjų skaičių indeksą, prasidedantį nuo 0, galime tiesiog naudotireset_index()>funkcija. Taigi pažiūrėkime, kaip iš naujo nustatyti „DataFrame“ indeksą.
Kas yra Reset Index?
Į Python programavimo kalba ir pandų bibliotekareset_index>metodas naudojamas duomenų rėmelio indeksui iš naujo nustatyti. Kai atliekate operacijas su „DataFrame“ pandose, „DataFrame“ indeksas gali pasikeisti arba tapti netvarkingas. Thereset_index>metodas leidžia iš naujo nustatyti indeksą į numatytąjį sveikaisiais skaičiais pagrįstą indeksą ir iš naujo nustatyti indeksą Pandas DataFrame pasirinktinai pašalinti esamą indeksą.
Iš naujo nustatykite indeksą Pandas Dataframe
Yra įvairių metodų, kurių pagalba galime iš naujo nustatyti Pandas Dataframe indeksą, kai kuriuos dažniausiai naudojamus metodus paaiškiname pavyzdžiais.
- Sukurkite savo indeksą nepašalindami numatytojo indekso
- Sukurkite savo indeksą ir pašalinkite numatytąjį indeksą
- Iš naujo nustatykite savo indeksą ir sukurkite numatytąjį indeksą kaip indeksą
- Padarykite duomenų rėmelio stulpelį kaip indeksą ir pašalinkite numatytąjį indeksą
- Padarykite duomenų rėmelio stulpelį kaip indeksą nepašalindami indekso
Pandas DataFrame kūrimas
Čia mes kuriame Pandas Dataframe pavyzdį:
Python3
# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data>=> {>'Name'>:[>'Jai'>,>'Princi'>,>'Gaurav'>,>'Anuj'>,>'Geeku'>],> >'Age'>:[>27>,>24>,>22>,>32>,>15>],> >'Address'>:[>'Delhi'>,>'Kanpur'>,>'Allahabad'>,>'Kannauj'>,>'Noida'>],> >'Qualification'>:[>'Msc'>,>'MA'>,>'MCA'>,>'Phd'>,>'10th'>] }> # Convert the dictionary into DataFrame> df>=> pd.DataFrame(data)> print>(df)> |
>
>
Išvestis:
Name Age Address Qualification 0 Jai 27 Delhi Msc 1 Princi 24 Kanpur MA 2 Gaurav 22 Allahabad MCA 3 Anuj 32 Kannauj Phd 4 Geeku 15 Noida 10th>
Sukurti Nuosavas indeksas nepašalinus numatytojo indekso
Šiame toliau pateiktame pavyzdyje kodas naudoja pandos biblioteką, kad sukurtų duomenų rėmelį iš darbuotojo duomenų. Jis apibrėžia a žodynas, nustato pasirinktinį indeksą, konvertuoja jį į DataFrame, iš naujo nustato indeksą ir išspausdina rezultatą.
Python3
# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data>=> {>'Name'>:[>'Jai'>,>'Princi'>,>'Gaurav'>,>'Anuj'>,>'Geeku'>],> >'Age'>:[>27>,>24>,>22>,>32>,>15>],> >'Address'>:[>'Delhi'>,>'Kanpur'>,>'Allahabad'>,>'Kannauj'>,>'Noida'>],> >'Qualification'>:[>'Msc'>,>'MA'>,>'MCA'>,>'Phd'>,>'10th'>] }> index>=> [>'a'>,>'b'>,>'c'>,>'d'>,>'e'>]> # Convert the dictionary into DataFrame> df>=> pd.DataFrame(data, index)> # Make Own Index as index> # In this case default index is exist> df.reset_index(inplace>=> True>)> print>(df)> |
>
>
Išvestis:
index Name Age Address Qualification 0 a Jai 27 Delhi Msc 1 b Princi 24 Kanpur MA 2 c Gaurav 22 Allahabad MCA 3 d Anuj 32 Kannauj Phd 4 e Geeku 15 Noida 10th>
Sukurkite savo indeksą ir pašalinkite numatytąjį indeksą
Šiame toliau pateiktame pavyzdyje kodas naudoja pandos biblioteką, kad sukurtų duomenų rėmelį iš darbuotojo duomenų, saugomų žodyne. Jis nustato tinkintą indeksą („a“ į „e“) ir išspausdina gautą „DataFrame“, kur pasirinktinis indeksas pakeičia numatytąjį skaitinį indeksą.
Python3
duomenų struktūros java
# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data>=> {>'Name'>:[>'Jai'>,>'Princi'>,>'Gaurav'>,>'Anuj'>,>'Geeku'>],> >'Age'>:[>27>,>24>,>22>,>32>,>15>],> >'Address'>:[>'Delhi'>,>'Kanpur'>,>'Allahabad'>,>'Kannauj'>,>'Noida'>],> >'Qualification'>:[>'Msc'>,>'MA'>,>'MCA'>,>'Phd'>,>'10th'>] }> # Create own index> index>=> [>'a'>,>'b'>,>'c'>,>'d'>,>'e'>]> # Convert the dictionary into DataFrame> # Make Own Index and Removing Default index> df>=> pd.DataFrame(data, index)> print>(df)> |
>
>
Išvestis:
Name Age Address Qualification a Jai 27 Delhi Msc b Princi 24 Kanpur MA c Gaurav 22 Allahabad MCA d Anuj 32 Kannauj Phd e Geeku 15 Noida 10th>
Iš naujo nustatykite savo indeksą ir sukurkite numatytąjį indeksą kaip indeksą
Šiame toliau pateiktame pavyzdyje kodas sukuria Pandas DataFrame iš darbuotojų duomenų žodyno su tinkintu indeksu („a“ iki „e“). Vėliau jis iš naujo nustato indeksą, pakeisdamas pasirinktinį indeksą numatytuoju skaitiniu indeksu, tada išspausdina gautą kadrą.
Python3
# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data>=> {>'Name'>:[>'Jai'>,>'Princi'>,>'Gaurav'>,>'Anuj'>,>'Geeku'>],> >'Age'>:[>27>,>24>,>22>,>32>,>15>],> >'Address'>:[>'Delhi'>,>'Kanpur'>,>'Allahabad'>,>'Kannauj'>,>'Noida'>],> >'Qualification'>:[>'Msc'>,>'MA'>,>'MCA'>,>'Phd'>,>'10th'>] }> # Create own index> index>=> [>'a'>,>'b'>,>'c'>,>'d'>,>'e'>]> # Convert the dictionary into DataFrame> df>=> pd.DataFrame(data, index)> # remove own index with default index> df.reset_index(inplace>=> True>, drop>=> True>)> print>(df)> |
>
knn algoritmas
>
Išvestis:
Name Age Address Qualification 0 Jai 27 Delhi Msc 1 Princi 24 Kanpur MA 2 Gaurav 22 Allahabad MCA 3 Anuj 32 Kannauj Phd 4 Geeku 15 Noida 10th>
Padarykite stulpelį kaip indeksą ir pašalinkite numatytąjį indeksą
Šiame toliau pateiktame pavyzdyje kodas sukuria Pandas DataFrame iš darbuotojo duomenų, nustato tinkintą indeksą ir pakeičia indeksą į stulpelį „Age“, pašalindamas numatytąjį skaitinį indeksą. Galutinis duomenų rėmelis atspausdinamas du kartus.
Python3
# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data>=> {>'Name'>:[>'Jai'>,>'Princi'>,>'Gaurav'>,>'Anuj'>,>'Geeku'>],> >'Age'>:[>27>,>24>,>22>,>32>,>15>],> >'Address'>:[>'Delhi'>,>'Kanpur'>,>'Allahabad'>,>'Kannauj'>,>'Noida'>],> >'Qualification'>:[>'Msc'>,>'MA'>,>'MCA'>,>'Phd'>,>'10th'>] }> # Create own index> index>=> [>'a'>,>'b'>,>'c'>,>'d'>,>'e'>]> # Convert the dictionary into DataFrame> df>=> pd.DataFrame(data, index)> # set index any column of our DF and> # remove default index> df.set_index([>'Age'>], inplace>=> True>)> print>(df)> |
>
sql duomenų tipai
>
Išvestis:
Name Address Qualification Age 27 Jai Delhi Msc 24 Princi Kanpur MA 22 Gaurav Allahabad MCA 32 Anuj Kannauj Phd 15 Geeku Noida 10th>
Sukurkite duomenų rėmelio stulpelį kaip indeksą nepašalindami indekso
Šiame toliau pateiktame pavyzdyje kodas sukuria DataFrame iš darbuotojo duomenų, iš pradžių naudodamas tinkintą indeksą. Tada jis nustato stulpelį „Amžius“ kaip indeksą, iš naujo nustato indeksą nepašalindamas numatytojo skaitinio indekso ir galiausiai išspausdina gautą duomenų rėmelį.
Python3
# Import pandas package> import> pandas as pd> > # Define a dictionary containing employee data> data>=> {>'Name'>:[>'Jai'>,>'Princi'>,>'Gaurav'>,>'Anuj'>,>'Geeku'>],> >'Age'>:[>27>,>24>,>22>,>32>,>15>],> >'Address'>:[>'Delhi'>,>'Kanpur'>,>'Allahabad'>,>'Kannauj'>,>'Noida'>],> >'Qualification'>:[>'Msc'>,>'MA'>,>'MCA'>,>'Phd'>,>'10th'>] }> # Create own index> index>=> [>'a'>,>'b'>,>'c'>,>'d'>,>'e'>]> # Convert the dictionary into DataFrame> df>=> pd.DataFrame(data, index)> # set any column as index> # Here we set age column as index> df.set_index([>'Age'>], inplace>=> True>)> # reset index without removing default index> df.reset_index(level>=>[>'Age'>], inplace>=> True>)> print>(df)> |
>
>
Išvestis:
Age Name Address Qualification 0 27 Jai Delhi Msc 1 24 Princi Kanpur MA 2 22 Gaurav Allahabad MCA 3 32 Anuj Kannauj Phd 4 15 Geeku Noida 10th>