pandas.DataFrame.reset_index #

数据框。reset_index ( level = None , * , drop = False , inplace = False , col_level = 0 , col_fill = '' , allowed_duplicates = _NoDefault.no_default , names = None ) [来源] #

重置索引或其级别。

重置DataFrame的索引，并使用默认的索引。如果DataFrame具有MultiIndex，则此方法可以删除一个或多个级别。

参数：

level int、str、tuple 或 list，默认 None: 仅从索引中删除给定级别。默认删除所有级别。
drop bool, 默认 False: 不要尝试将索引插入数据框列。这会将索引重置为默认整数索引。
inplace布尔值，默认 False: 是否修改 DataFrame 而不是创建一个新的。
col_level int 或 str，默认 0: 如果列有多个级别，则确定标签插入到哪个级别。默认情况下它被插入到第一层。
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 None 则重复索引名称。
allow_duplicates bool，可选，默认 lib.no_default: 允许创建重复的列标签。

1.5.0 版本中的新增内容。
名称int、str 或一维列表，默认 None: 使用给定的字符串，重命名包含索引数据的 DataFrame 列。如果 DataFrame 具有 MultiIndex，则它必须是长度等于级别数的列表或元组。

1.5.0 版本中的新增内容。

返回：

数据框或无: 具有新索引的 DataFrame 或 None if inplace=True。

也可以看看

DataFrame.set_index: 与reset_index相反。
DataFrame.reindex: 更改为新索引或扩展索引。
DataFrame.reindex_like: 更改为与其他 DataFrame 相同的索引。

例子

>>> df = pd.DataFrame([('bird', 389.0),
...                    ('bird', 24.0),
...                    ('mammal', 80.5),
...                    ('mammal', np.nan)],
...                   index=['falcon', 'parrot', 'lion', 'monkey'],
...                   columns=('class', 'max_speed'))
>>> df
         class  max_speed
falcon    bird      389.0
parrot    bird       24.0
lion    mammal       80.5
monkey  mammal        NaN

当我们重置索引时，旧索引将作为列添加，并使用新的顺序索引：

>>> df.reset_index()
    index   class  max_speed
0  falcon    bird      389.0
1  parrot    bird       24.0
2    lion  mammal       80.5
3  monkey  mammal        NaN

我们可以使用drop参数来避免将旧索引添加为列：

>>> df.reset_index(drop=True)
    class  max_speed
0    bird      389.0
1    bird       24.0
2  mammal       80.5
3  mammal        NaN

您还可以将Reset_index与MultiIndex一起使用。

>>> index = pd.MultiIndex.from_tuples([('bird', 'falcon'),
...                                    ('bird', 'parrot'),
...                                    ('mammal', 'lion'),
...                                    ('mammal', 'monkey')],
...                                   names=['class', 'name'])
>>> columns = pd.MultiIndex.from_tuples([('speed', 'max'),
...                                      ('species', 'type')])
>>> df = pd.DataFrame([(389.0, 'fly'),
...                    (24.0, 'fly'),
...                    (80.5, 'run'),
...                    (np.nan, 'jump')],
...                   index=index,
...                   columns=columns)
>>> df
               speed species
                 max    type
class  name
bird   falcon  389.0     fly
       parrot   24.0     fly
mammal lion     80.5     run
       monkey    NaN    jump

使用名称参数，为索引列选择一个名称：

>>> df.reset_index(names=['classes', 'names'])
  classes   names  speed species
                     max    type
0    bird  falcon  389.0     fly
1    bird  parrot   24.0     fly
2  mammal    lion   80.5     run
3  mammal  monkey    NaN    jump

如果索引有多个级别，我们可以重置其中的一个子集：

>>> df.reset_index(level='class')
         class  speed species
                  max    type
name
falcon    bird  389.0     fly
parrot    bird   24.0     fly
lion    mammal   80.5     run
monkey  mammal    NaN    jump

如果我们不删除索引，默认情况下，它会放置在顶层。我们可以把它放在另一个层面：

>>> df.reset_index(level='class', col_level=1)
                speed species
         class    max    type
name
falcon    bird  389.0     fly
parrot    bird   24.0     fly
lion    mammal   80.5     run
monkey  mammal    NaN    jump

当索引插入到另一层下时，我们可以通过参数col_fill指定在哪一层下：

>>> df.reset_index(level='class', col_level=1, col_fill='species')
              species  speed species
                class    max    type
name
falcon           bird  389.0     fly
parrot           bird   24.0     fly
lion           mammal   80.5     run
monkey         mammal    NaN    jump

如果我们为col_fill指定一个不存在的级别，则会创建它：

>>> df.reset_index(level='class', col_level=1, col_fill='genus')
                genus  speed species
                class    max    type
name
falcon           bird  389.0     fly
parrot           bird   24.0     fly
lion           mammal   80.5     run
monkey         mammal    NaN    jump