Pandas索引操作_rangeindex

Pandas索引操作

Pandas中的索引操作非常灵活，功能非常强大。学会他的索引操作能帮助我们更好的处理数据。下面来对索引进行讲解。

一、索引类型：

不管是Series还是DataFrame，索引对象的类型都是Index或者其子类。我们可以通过以下代码查看：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.rand(4,4))

print(type(df.index))
print(type(df.columns))
1
2
3
4
5
6
7

输出结果为：

RangeIndex(start=0, stop=4, step=1)
RangeIndex(start=0, stop=4, step=1)
1
2

可以看到行和列的类型，都是RangeIndex类型。RangeIndex属于Index的子类。当然我们也可以直接通过显示创建Index的方式，修改df的index和columns，示例代码如下：

df.index = pd.Index(list("ABCD"))
df.columns = pd.Index(list("abcd"))
print(df)
1
2
3

输出结果为：

常用的Index类型还有以下。

1. RangeIndex：

区间索引，用法与Python中的range函数类似，可以指定start、stop、step参数。示例代码如下：

df.index = pd.RangeIndex(start=1, stop=9, step=2)
1

1. NumericIndex：

数值类型的索引，包括有浮点类型的Float64Index、整形的Int64Index、无符号整形的UInt64Index、序列类型的RangeIndex。他们的用法如下：

# 浮点类型
>>> pd.Float64Index([1,2,3,4])
Float64Index([1.0, 2.0, 3.0, 4.0], dtype="float64")

# 整数
>>> pd.Int64Index([1,2,3,4])
Int64Index([1, 2, 3, 4], dtype="int64")

# 无符号整数
>>> pd.UInt64Index([1,2,3,4])
UInt64Index([1, 2, 3, 4], dtype="uint64")
1
2
3
4
5
6
7
8
9
10
11

其中Float64Index、Int64Index、UInt64Index在Pandas 2.0版本中会被移除，统一使用NumericIndex代替。

2. CategoricalIndex：

分类索引，索引的值只能是指定分类的。否则会用NAN来代替。示例代码如下：

>>> df.index = pd.CategoricalIndex(list("ABCD"),categories=list("ABCD"))
1

输出结果为：

    a        b        c        d
A    0.274963    0.084407    0.157835    0.797312
B    0.090830    0.512263    0.419373    0.466661
C    0.903084    0.367636 
1
2
3