dataframe的set_index和reset_index

#drop的使用：
import pandas as pd
df = pd.DataFrame({ 'A': ['A0', 'A1', 'A2', 'A3','A4', 'A5', 'A6', 'A7','A8', 'A9', 'A10', 'A11'],
                     'B': ['B0', 'B1', 'B2', 'B3','B4', 'B5', 'B6', 'B7','B8', 'B9', 'B10', 'B11'],
                     'C': ['C0', 'C1', 'C2', 'C3','C4', 'C5', 'C6', 'C7','C8', 'C9', 'C10', 'C11'],
                     'D': ['D0', 'D1', 'D2', 'D3','D4', 'D5', 'D6', 'D7','D8', 'D9', 'D10', 'D11']})
print (df)
new_df_drop_t = df.set_index('A',drop=True, append=False, inplace=False, verify_integrity=False)
print (new_df_drop_t)
new_df_drop_f = df.set_index('A',drop=False, append=False, inplace=False, verify_integrity=False)
print (new_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
5    A5   B5   C5   D5
6    A6   B6   C6   D6
7    A7   B7   C7   D7
8    A8   B8   C8   D8
9    A9   B9   C9   D9
10  A10  B10  C10  D10
11  A11  B11  C11  D11
       B    C    D
A                 
A0    B0   C0   D0
A1    B1   C1   D1
A2    B2   C2   D2
A3    B3   C3   D3
A4    B4   C4   D4
A5    B5   C5   D5
A6    B6   C6   D6
A7    B7   C7   D7
A8    B8   C8   D8
A9    B9   C9   D9
A10  B10  C10  D10
A11  B11  C11  D11
       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
A5    A5   B5   C5   D5
A6    A6   B6   C6   D6
A7    A7   B7   C7   D7
A8    A8   B8   C8   D8
A9    A9   B9   C9   D9
A10  A10  B10  C10  D10
A11  A11  B11  C11  D11
'''

# append的使用
import pandas as pd
df = pd.DataFrame({ 'A': ['A0', 'A1', 'A2', 'A3','A4', 'A5', 'A6', 'A7','A8', 'A9', 'A10', 'A11'],
                     'B': ['B0', 'B1', 'B2', 'B3','B4', 'B5', 'B6', 'B7','B8', 'B9', 'B10', 'B11'],
                     'C': ['C0', 'C1', 'C2', 'C3','C4', 'C5', 'C6', 'C7','C8', 'C9', 'C10', 'C11'],
                     'D': ['D0', 'D1', 'D2', 'D3','D4', 'D5', 'D6', 'D7','D8', 'D9', 'D10', 'D11']})
new_df_append_t = df.set_index('A',drop=True, append=True, inplace=False, verify_integrity=False)
print (new_df_append_t)
new_df_append_f = df.set_index('A',drop=True, append=False, inplace=False, verify_integrity=False)
print (new_df_append_f)
 
'''
输出结果：
          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
5  A5    B5   C5   D5
6  A6    B6   C6   D6
7  A7    B7   C7   D7
8  A8    B8   C8   D8
9  A9    B9   C9   D9
10 A10  B10  C10  D10
11 A11  B11  C11  D11
       B    C    D
A                 
A0    B0   C0   D0
A1    B1   C1   D1
A2    B2   C2   D2
A3    B3   C3   D3
A4    B4   C4   D4
A5    B5   C5   D5
A6    B6   C6   D6
A7    B7   C7   D7
A8    B8   C8   D8
A9    B9   C9   D9
A10  B10  C10  D10
A11  B11  C11  D11
'''

# inplace的使用，这里我也没搞懂为啥输出None
 
df = pd.DataFrame({ 'A': ['A0', 'A1', 'A2', 'A3','A4', 'A5', 'A6', 'A7','A8', 'A9', 'A10', 'A11'],
                     'B': ['B0', 'B1', 'B2', 'B3','B4', 'B5', 'B6', 'B7','B8', 'B9', 'B10', 'B11'],
                     'C': ['C0', 'C1', 'C2', 'C3','C4', 'C5', 'C6', 'C7','C8', 'C9', 'C10', 'C11'],
                     'D': ['D0', 'D1', 'D2', 'D3','D4', 'D5', 'D6', 'D7','D8', 'D9', 'D10', 'D11']})
new_df_inplace_t = df.set_index('A', drop=True, append=False, inplace=True, verify_integrity=False)
print (new_df_inplace_t)
print (type(new_df_inplace_t))
df = pd.DataFrame({ 'A': ['A0', 'A1', 'A2', 'A3','A4', 'A5', 'A6', 'A7','A8', 'A9', 'A10', 'A11'],
                     'B': ['B0', 'B1', 'B2', 'B3','B4', 'B5', 'B6', 'B7','B8', 'B9', 'B10', 'B11'],
                     'C': ['C0', 'C1', 'C2', 'C3','C4', 'C5', 'C6', 'C7','C8', 'C9', 'C10', 'C11'],
                     'D': ['D0', 'D1', 'D2', 'D3','D4', 'D5', 'D6', 'D7','D8', 'D9', 'D10', 'D11']})
new_df_inplace_f = df.set_index('A', drop=True, append=False, inplace=False, verify_integrity=False)
print (new_df_inplace_f)
 
 
'''
None

       B    C    D
A                 
A0    B0   C0   D0
A1    B1   C1   D1
A2    B2   C2   D2
A3    B3   C3   D3
A4    B4   C4   D4
A5    B5   C5   D5
A6    B6   C6   D6
A7    B7   C7   D7
A8    B8   C8   D8
A9    B9   C9   D9
A10  B10  C10  D10
A11  B11  C11  D11
'''

 

reset_index():

函数原型：DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')

参数解释:

level：int、str、tuple或list，默认无，仅从索引中删除给定级别。默认情况下移除所有级别。控制了具体要还原的那个等级的索引 

drop：drop为False则索引列会被还原为普通列，否则会丢失

inplace：默认为false，适当修改DataFrame(不要创建新对象)

col_level：int或str，默认值为0，如果列有多个级别，则确定将标签插入到哪个级别。默认情况下，它将插入到第一级。

col_fill：对象，默认‘’，如果列有多个级别，则确定其他级别的命名方式。如果没有，则重复索引名

注：reset_index还原分为两种类型，第一种是对原DataFrame进行reset，第二种是对使用过set_index()函数的DataFrame进行reset

第一种：

# 一般情况下只使用到drop，这里只演示drop的使用
import pandas as pd
df = pd.DataFrame({ 'A': ['A0', 'A1', 'A2', 'A3','A4', 'A5', 'A6', 'A7','A8', 'A9', 'A10', 'A11'],
                     'B': ['B0', 'B1', 'B2', 'B3','B4', 'B5', 'B6', 'B7','B8', 'B9', 'B10', 'B11'],
                     'C': ['C0', 'C1', 'C2', 'C3','C4', 'C5', 'C6', 'C7','C8', 'C9', 'C10', 'C11'],
                     'D': ['D0', 'D1', 'D2', 'D3','D4', 'D5', 'D6', 'D7','D8', 'D9', 'D10', 'D11']})
print (df)
newdf = df.set_index('A',drop=True, append=False, inplace=False, verify_integrity=False)
# 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)
new_reset_index = newdf.reset_index(drop=False) #索引列会被还原为普通列
print (new_reset_index)
new_reset_index = newdf.reset_index(drop=True) #索引回被直接删除
print (new_reset_index)
 
 
'''
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
5    A5   B5   C5   D5
6    A6   B6   C6   D6
7    A7   B7   C7   D7
8    A8   B8   C8   D8
9    A9   B9   C9   D9
10  A10  B10  C10  D10
11  A11  B11  C11  D11
       B    C    D
A                 
A0    B0   C0   D0
A1    B1   C1   D1
A2    B2   C2   D2
A3    B3   C3   D3
A4    B4   C4   D4
A5    B5   C5   D5
A6    B6   C6   D6
A7    B7   C7   D7
A8    B8   C8   D8
A9    B9   C9   D9
A10  B10  C10  D10
A11  B11  C11  D11
      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
5    A5   B5   C5   D5
6    A6   B6   C6   D6
7    A7   B7   C7   D7
8    A8   B8   C8   D8
9    A9   B9   C9   D9
10  A10  B10  C10  D10
11  A11  B11  C11  D11
      B    C    D
0    B0   C0   D0
1    B1   C1   D1
2    B2   C2   D2
3    B3   C3   D3
4    B4   C4   D4
5    B5   C5   D5
6    B6   C6   D6
7    B7   C7   D7
8    B8   C8   D8
9    B9   C9   D9
10  B10  C10  D10
11  B11  C11  D11
'''
第二种：

# 一般情况下只使用到drop，这里只演示drop的使用
import pandas as pd
df = pd.DataFrame({ 'A': ['A0', 'A1', 'A2', 'A3','A4', 'A5', 'A6', 'A7','A8', 'A9', 'A10', 'A11'],
                     'B': ['B0', 'B1', 'B2', 'B3','B4', 'B5', 'B6', 'B7','B8', 'B9', 'B10', 'B11'],
                     'C': ['C0', 'C1', 'C2', 'C3','C4', 'C5', 'C6', 'C7','C8', 'C9', 'C10', 'C11'],
                     'D': ['D0', 'D1', 'D2', 'D3','D4', 'D5', 'D6', 'D7','D8', 'D9', 'D10', 'D11']})
print (df)
new_reset_index = df.reset_index(drop=False) # 原有的索引不变添加列名index，同时在新列上重置索引
print (new_reset_index)
new_reset_index = df.reset_index(drop=True) # 在原有的索引列重置索引，不再另外添加新列。
print (new_reset_index)
 
'''
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
5    A5   B5   C5   D5
6    A6   B6   C6   D6
7    A7   B7   C7   D7
8    A8   B8   C8   D8
9    A9   B9   C9   D9
10  A10  B10  C10  D10
11  A11  B11  C11  D11
    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
5       5   A5   B5   C5   D5
6       6   A6   B6   C6   D6
7       7   A7   B7   C7   D7
8       8   A8   B8   C8   D8
9       9   A9   B9   C9   D9
10     10  A10  B10  C10  D10
11     11  A11  B11  C11  D11
      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
5    A5   B5   C5   D5
6    A6   B6   C6   D6
7    A7   B7   C7   D7
8    A8   B8   C8   D8
9    A9   B9   C9   D9
10  A10  B10  C10  D10
11  A11  B11  C11  D11
'''