如何确定在 Pandas DataFrame 中将哪些列设置为索引？答案

【问题标题】：How does one determine which columns to set as an index in a Pandas DataFrame?如何确定在 Pandas DataFrame 中将哪些列设置为索引？
【发布时间】：2017-05-05 23:42:24
【问题描述】：

假设我有一个金融证券的 DataFrame，它通常有多个标识符：

我应该只选择一列作为索引吗？我应该将所有潜在的标识符设置为索引吗？我应该将所有文本数据设置为索引，并将所有数字数据保留为列吗？最佳做法是什么？

【问题讨论】：

在我看来，通常最好的是默认单调索引 (0,1,2,3,...)，但这取决于您到底需要什么。更好的是作为重复的唯一索引。
删除重复项，然后使用默认单调索引
这完全取决于您要完成的工作。
在此示例中，所有标识符都已经是唯一的。此表中的任何文本列都没有重复项。
如果您打算稍后进行排序、连接或过滤，使用整数索引通常会更高效一些。你可以试试这个比较。 gist.github.com/prashnts/e61b49bcc424fb042677eb1eff3edf51

标签： python pandas indexing dataframe

【解决方案1】：

这更多是关于数据库设计而不是 pandas。

应根据数据框（关系数据库中的表）及其列的业务含义做出决定。例如，如果在其业务中使用“内部安全ID”来识别此类数据，则应将其设置为索引。

但是，如果您不确定，请坚持使用默认整数索引。

【讨论】：

【解决方案2】：

除非您需要将其中一列作为索引，否则我倾向于坚持使用默认索引。如果你这样做，我强烈建议使用具有唯一值的列。如果存在重复，这会让你很头疼。

【讨论】：