Переопределение индекса в объекте Pandas DataFrame

Я пытаюсь повторно индексировать объект pandas DataFrame, например,

From:
            a   b   c
        0   1   2   3
        1  10  11  12
        2  20  21  22

To :
           b   c
       1   2   3
      10  11  12
      20  21  22

Я собираюсь сделать это, как показано ниже, и получаю неправильный ответ. Любые подсказки о том, как это сделать?

>>> col = ['a','b','c']
>>> data = DataFrame([[1,2,3],[10,11,12],[20,21,22]],columns=col)
>>> data
    a   b   c
0   1   2   3
1  10  11  12
2  20  21  22
>>> idx2 = data.a.values
>>> idx2
array([ 1, 10, 20], dtype=int64)
>>> data2 = DataFrame(data,index=idx2,columns=col[1:])
>>> data2
     b   c
1   11  12
10 NaN NaN
20 NaN NaN

Любая идея, почему это происходит?

ОТВЕТЫ

Ответ 1

Почему бы вам просто не использовать метод set_index?

In : col = ['a','b','c']

In : data = DataFrame([[1,2,3],[10,11,12],[20,21,22]],columns=col)

In : data
Out:
    a   b   c
0   1   2   3
1  10  11  12
2  20  21  22

In : data2 = data.set_index('a')

In : data2
Out:
     b   c
a
1    2   3
10  11  12
20  21  22

Ответ 2

Если вы не хотите "a" в индексе

В:

col = ['a','b','c']

data = DataFrame([[1,2,3],[10,11,12],[20,21,22]],columns=col)

data

Из:

    a   b   c
0   1   2   3
1  10  11  12
2  20  21  22

В:

data2 = data.set_index('a')

Из:

     b   c
a
1    2   3
10  11  12
20  21  22

В:

data2.index.name = None

Из:

     b   c
 1   2   3
10  11  12
20  21  22

Ответ 3

Если вы хотите установить индекс без потери столбца, используйте set_index с drop=False:

data.set_index('a', drop=False)

     a   b   c
a             
1    1   2   3
10  10  11  12
20  20  21  22

Другой вариант - просто установить атрибут index напрямую, это полезно для приложений, критичных к производительности:

data.index = data['a']
data
     a   b   c
a             
1    1   2   3
10  10  11  12
20  20  21  22

Или, если "а" должен быть выдвинут, используйте

data.index = data.pop('a')
data
     b   c
a         
1    2   3
10  11  12
20  21  22

И pop и присвоение index являются операциями на месте, в отличие от set_index который возвращает копию данных. Вот некоторые моменты:

df_ = data.copy()
df = pd.concat([df_] * 10000, ignore_index=True)

%timeit df.set_index('a', drop=False)
%timeit df.index = df['a']

784 µs ± 68 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
132 µs ± 2.12 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

Заметка
Не обманывайте себя параметром inplace=True. Это просто создает копию данных и присваивает ее обратно исходной переменной. inplace=True и inplace=False всегда генерируют копию.

Для справки, чтобы установить индекс для монотонно увеличивающихся целых чисел, вы можете эффективно установить индекс для любого объекта диапазона.

df.index = pd.RangeIndex(len(df))
df.index = range(len(df))
df.index = np.arange(len(df))