【问题标题】：Reset column index in Pandas to 0,1,2,3...?将 Pandas 中的列索引重置为 0,1,2,3...？
【发布时间】：2022-02-09 08:38:06
【问题描述】：

如何将数据框列的索引重置为 0、1、2、3、4？

（df.reset_index() 怎么不重置列索引？）

>>> data = data.drop(data.columns[[1,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19]], axis=1)
>>> data = data.drop(data.index[[0,1]],axis = 0)
>>> print(data.head())
             0         2    3    4    20
2  500292014600       .00  .00  .00  NaN
3  500292014600    100.00  .00  .00  NaN
4  500292014600  11202.00  .00  .00  NaN
>>> data = data.reset_index(drop = True)
>>> print(data.head())
              0         2    3    4    20
 0  500292014600       .00  .00  .00  NaN
 1  500292014600    100.00  .00  .00  NaN
 2  500292014600  11202.00  .00  .00  NaN

【问题讨论】：

标签： python pandas

【解决方案1】：

尝试以下方法：

df = df.T.reset_index(drop=True).T

【讨论】：

这听起来像个黑客； reset_index 方法也应该应用于列索引
这是解决问题的好方法，但有没有直接重置行和列索引的方法？

【解决方案2】：

尝试替换列名：

>>> import numpy as np
>>> import pandas as pd

>>> my_data = [[500292014600, .00, .00, .00, np.nan],
              [500292014600, 100.00, .00, .00, np.nan], 
              [500292014600, 11202.00, .00, .00, np.nan]]
>>> df = pd.DataFrame(my_data, columns=[0,2,3,4,20])
>>> df
              0        2    3    4  20
0  500292014600      0.0  0.0  0.0 NaN
1  500292014600    100.0  0.0  0.0 NaN
2  500292014600  11202.0  0.0  0.0 NaN

>>> df.columns = range(df.shape[1])
>>> df
              0        1    2    3   4
0  500292014600      0.0  0.0  0.0 NaN
1  500292014600    100.0  0.0  0.0 NaN
2  500292014600  11202.0  0.0  0.0 NaN

【讨论】：

【解决方案3】：

在 pandas 中，索引本质上是指行索引。正如您在数据中看到的那样，行索引在 drop 和 reset_index() 之后被重置。

对于列，你需要重命名它们，你可以这样做

data.columns = [ 0,1,2,3,4]

【讨论】：

【解决方案4】：

如果您使用import numpy as np 导入了numpy

只需使用data.columns = [np.arange(0,data.shape[1])] 将列设置为从零开始的索引

【讨论】：

【解决方案5】：

为什么当我使用 df.reset_index 时，我的列的索引没有重置？

“索引”列实际上更像是一个列标题。有人可能会使用“索引”作为有意义的标题。例如，它们可能代表“试验 1”、“试验 2”等，因此您不希望自动重新索引它而失去意义。

如何将此索引重置为 0,1,2,3,4？

重置列索引：

df.columns = range(df.columns.size)

【讨论】：

【解决方案6】：

纯 Python 实现

我们enumerate columns 的数据框创建一个项目数组。然后我们map 函数reversed 到数组中的每一项。最后，我们在数据框对象方法rename中创建并输入字典作为参数columns。

columns = dict(map(reversed, enumerate(df.columns)))
df = df.rename(columns=columns)
df.head()

结果：

              0        1    2    3   4
0  500292014600      0.0  0.0  0.0 NaN
1  500292014600    100.0  0.0  0.0 NaN
2  500292014600  11202.0  0.0  0.0 NaN

【讨论】：