如何重置 Pandas 数据框中的索引？

问题描述：

我有一个数据框，我从中删除了一些行。结果，我得到了一个数据框，其中的索引类似于[1,5,6,10,11]，我想将其重置为[0,1,2,3,4]。我该怎么做？

以下似乎有效：

df = df.reset_index()
del df['index']

以下操作无效：

df = df.reindex()

解决方案 1：

DataFrame.reset_index就是您要找的内容。如果您不想将其保存为列，请执行以下操作：

df = df.reset_index(drop=True)

如果您不想重新分配：

df.reset_index(drop=True, inplace=True)

解决方案 2：

另一个解决方案是分配RangeIndex或range：

df.index = pd.RangeIndex(len(df.index))

df.index = range(len(df.index))

速度更快：

df = pd.DataFrame({'a':[8,7], 'c':[2,4]}, index=[7,8])
df = pd.concat([df]*10000)
print (df.head())

In [298]: %timeit df1 = df.reset_index(drop=True)
The slowest run took 7.26 times longer than the fastest. This could mean that an intermediate result is being cached.
10000 loops, best of 3: 105 µs per loop

In [299]: %timeit df.index = pd.RangeIndex(len(df.index))
The slowest run took 15.05 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 loops, best of 3: 7.84 µs per loop

In [300]: %timeit df.index = range(len(df.index))
The slowest run took 7.10 times longer than the fastest. This could mean that an intermediate result is being cached.
100000 loops, best of 3: 14.2 µs per loop

解决方案 3：

data1.reset_index(inplace=True)

解决方案 4：

df.reset_index(drop=True)有效地用默认的 RangeIndex 替换索引。执行相同操作的另一种方法是直接使用分配新索引set_axis()（我相信这是 OP 尝试的reindex）。因此，以下两个返回相同的输出：

df1 = df.set_axis(range(len(df)))

df2 = df.reset_index(drop=True)

请注意，pandas 中大多数删除/修改行的方法/函数（例如drop_duplicates()、、等）都有参数，当传递 True 时，它​​会在单个函数调用中将索引重置为 RangeIndex。因此，如果您要删除sort_values()/添加数据框中的行，请留意此参数。示例：dropna()`pd.concat()`ignore_index

df.dropna().reset_index(drop=True)    # <--- instead of this

df.dropna(ignore_index=True)          # <--- use this

这样，您inplace也可以使用参数。

df1 = df.dropna().reset_index(drop=True)     # <--- must assign to dataframe
df.dropna(ignore_index=True, inplace=True)   # <--- `df` modified in-place

如果您使用groupby并希望将索引替换为默认的 RangeIndex，则在同一个函数调用中，当传递 False 时，参数会将索引重置为 RangeIndex。因此，不要使用 ，as_index而要使用。df.groupby('col1').mean().reset_index()`df.groupby('col1', as_index=False).mean()`