pandas删除部分数据后重新生成索引如何实现

这篇文章主要介绍“pandas删除部分数据后重新生成索引如何实现”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“pandas删除部分数据后重新生成索引如何实现”文章能帮助大家解决问题。在使用pandas时，由于隔行读取删除了部分数据，导致删除数据后的索引不连续：在绑定pyqt的tableview时需进行格式化，结果出现报错：主要原因是索引值不连续，所以无法格式化，需对删除数据后的数据集进行重新索引，在格式化数据集之前加一句代码：顺利通过了编码并显示到tableview，问题解决。使用：很多情况下，我们的数据源是 CSV 文件。假设有一个名为的文件data.csv，包含以下数据。默认情况下，pandas将会创建一个从0开始的索引行，如下：但是，我们可以在导入过程中通过将index_col参数设置为某一列可以直接指定索引列。当然，如果已经读取数据或做完一些数据处理步骤后，我们可以通过set_index手动设置索引。这里有两点需要注意下。1.set_index方法默认将创建一个新的 DataFrame。如果要就地更改df的索引，需要设置inplace=True。2.如果要保留将要被设置为索引的列，可以设置drop=False。在处理 DataFrame 时，某些操作（例如删除行、索引选择等）将会生成原始索引的子集，这样默认的数字索引排序就乱了。如要重新生成连续索引，可以使用reset_index方法。通常，我们是不需要保留旧索引的，因此可将drop参数设置为True。同样，如果要就地重置索引，可设置inplace参数为True，否则将创建一个新的 DataFrame。groupby分组方法是经常用的。比如下面通过添加一个分组列team来进行分组。默认情况下，分组会将分组列编程index索引。但是很多情况下，我们不希望分组列变成索引，因为可能有些计算或者判断逻辑还是需要用到该列的。因此，我们需要设置一下让分组列不成为索引，同时也能完成分组的功能。有两种方法可以完成所需的操作，第一种是用reset_index，第二种是在groupby方法里设置as_index=False。个人更喜欢第二种方法，它只涉及两个步骤，更简洁。当用sort_value排序方法时也会遇到这个问题，因为默认情况下，索引index跟着排序顺序而变动，所以是乱雪。如果我们希望索引不跟着排序变动，同样免费云主机域名需要在sort_values方法中设置一下参数ignore_index即可。删除重复项和排序一样，默认执行后也会打乱排序顺序。同理，可以在drop_duplicates方法中设置ignore_index参数True即可。当我们有了一个 DataFrame 时，想要使用不同的数据源或单独的操作来分配索引。在这种情况下，可以直接将索引分配给现有的 df.index。数据导出到 CSV 文件时，默认 DataFrame 具有从 0 开始的索引。如果我们不想在导出的 CSV 文件中包含它，可以在to_csv方法中设置index参数。如下所示，导出的 CSV 文件中，索引列未包含在文件中。其实，很多方法中都有关于索引的设置，只不过大家一般比较关心数据，而经常忽略了索引，才导致继续运行时可能会报错。以上几个高频的操作都是有索引设置的，建议大家平时用的时候养成设置索引的习惯，这样会节省不少时间。关于“pandas删除部分数据后重新生成索引如何实现”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注百云主机行业资讯频道，小编每天都会为大家更新不同的知识点。