python-pandas库set_index、reset_index用法区别

# drop的使用：
import pandas as pd
df = pd.DataFrame({ ‘A‘: [‘A0‘,‘A1‘,‘A2‘,‘A3‘,‘A4‘],‘B‘: [‘B0‘,‘B1‘,‘B2‘,‘B3‘,‘B4‘],‘C‘: [‘C0‘,‘C1‘,‘C2‘,‘C3‘,‘C4‘],‘D‘: [‘D0‘,‘D1‘,‘D2‘,‘D3‘,‘D4‘]})
print (‘输出结果:n‘,df)
print(‘------‘)

df_drop_t = df.set_index(‘A‘,drop=True) # drop默认True，普通列被用作索引后，原列删除
print (df_drop_t)
print(‘------‘)

df_drop_f = df.set_index(‘A‘,drop=False) # 普通列被用作索引后，原列保留
print (df_drop_f)

‘‘‘
输出结果:
     A   B   C   D
0  A0  B0  C0  D0
1  A1  B1  C1  D1
2  A2  B2  C2  D2
3  A3  B3  C3  D3
4  A4  B4  C4  D4
------
     B   C   D
A             
A0  B0  C0  D0
A1  B1  C1  D1
A2  B2  C2  D2
A3  B3  C3  D3
A4  B4  C4  D4
------
     A   B   C   D
A                 
A0  A0  B0  C0  D0
A1  A1  B1  C1  D1
A2  A2  B2  C2  D2
A3  A3  B3  C3  D3
A4  A4  B4  C4  D4
‘‘‘

# append的使用
 
import pandas as pd
df = pd.DataFrame({ ‘A‘: [‘A0‘,‘D4‘]})

print (‘输出结果:n‘,df)
print(‘------‘)

df_append_f = df.set_index(‘A‘,append=False) # append默认为False，普通列变为索引，并覆盖原索引，原索引被删除
print (df_append_f)

df_append_t = df.set_index(‘A‘,append=True) #  表示将普通列变为索引，原索引保留
print (df_append_t)
print(‘------‘)

‘‘‘
输出结果:
     A   B   C   D
0  A0  B0  C0  D0
1  A1  B1  C1  D1
2  A2  B2  C2  D2
3  A3  B3  C3  D3
4  A4  B4  C4  D4
------
     B   C   D
A             
A0  B0  C0  D0
A1  B1  C1  D1
A2  B2  C2  D2
A3  B3  C3  D3
A4  B4  C4  D4
------
       B   C   D
  A             
0 A0  B0  C0  D0
1 A1  B1  C1  D1
2 A2  B2  C2  D2
3 A3  B3  C3  D3
4 A4  B4  C4  D4

‘‘‘

# inplace的使用，这里我也没搞懂为啥输出None
 
df = pd.DataFrame({ ‘A‘: [‘A0‘,‘D4‘]})
df_inplace_f = df.set_index(‘A‘,inplace=False) # inpla默认为False，表示适当修改DataFrame(不要创建新对象)
print (‘输出结果：n‘,df_inplace_f)
print(‘------‘)
    
    
df1 = pd.DataFrame({ ‘A‘: [‘A0‘,‘D4‘]})

df_inplace_t = df1.set_index(‘A‘,inplace=True) # 表示原地不动
print (df_inplace_t)
print (type(df_inplace_t))


‘‘‘
输出结果：
      B   C   D
A             
A0  B0  C0  D0
A1  B1  C1  D1
A2  B2  C2  D2
A3  B3  C3  D3
A4  B4  C4  D4
------
None
<class ‘NoneType‘>

‘‘‘

# 一般情况下参数只使用到drop，这里只演示drop的使用
import pandas as pd
df = pd.DataFrame({ ‘A‘: [‘A0‘,‘D4‘]})
print (‘输出结果ndf:n‘,df)
print(‘------‘)

df1 = df.reset_index(drop=False) # 默认为False，原有的索引不变,添加一列，列名index；
print (df1)
print(‘------‘)

df2 = df.reset_index(drop=True) # 索引被还原为普通列，瞬间又被删掉了，同时在原位置重置原始索引012...；
print (df2)

‘‘‘
输出结果
df:
     A   B   C   D
0  A0  B0  C0  D0
1  A1  B1  C1  D1
2  A2  B2  C2  D2
3  A3  B3  C3  D3
4  A4  B4  C4  D4
------
   index   A   B   C   D
0      0  A0  B0  C0  D0
1      1  A1  B1  C1  D1
2      2  A2  B2  C2  D2
3      3  A3  B3  C3  D3
4      4  A4  B4  C4  D4
------
    A   B   C   D
0  A0  B0  C0  D0
1  A1  B1  C1  D1
2  A2  B2  C2  D2
3  A3  B3  C3  D3
4  A4  B4  C4  D4
‘‘‘

# 一般情况下参数只使用到drop，这里只演示drop的使用
import pandas as pd
df = pd.DataFrame({ ‘A‘: [‘A0‘,‘D4‘]})
print (‘输出结果：ndf:n‘,df)
print(‘------‘)
newdf = df.set_index(‘A‘) # 这里的drop必需为True（默认为这里的drop必需为True），否则会报错ValueError: cannot insert A,already exists（意思是...只可意会不可言传哈哈）
print (newdf)
print(‘------‘)

newdf1 = newdf.reset_index(drop=False) #索引列会被还原为普通列
print (newdf1)
print(‘------‘)

newdf2 = newdf.reset_index(drop=True) #索引被还原为普通列，瞬间又被删掉了，同时在原位置重置原始索引；
print (newdf2)

‘‘‘
输出结果：
df:
     A   B   C   D
0  A0  B0  C0  D0
1  A1  B1  C1  D1
2  A2  B2  C2  D2
3  A3  B3  C3  D3
4  A4  B4  C4  D4
------
     B   C   D
A             
A0  B0  C0  D0
A1  B1  C1  D1
A2  B2  C2  D2
A3  B3  C3  D3
A4  B4  C4  D4
------
    A   B   C   D
0  A0  B0  C0  D0
1  A1  B1  C1  D1
2  A2  B2  C2  D2
3  A3  B3  C3  D3
4  A4  B4  C4  D4
------
    B   C   D
0  B0  C0  D0
1  B1  C1  D1
2  B2  C2  D2
3  B3  C3  D3
4  B4  C4  D4
‘‘‘