Pandas Index（索引）
Index（索引）是 Pandas 数据结构的核心组成部分，它决定了数据的组织和访问方式。Pandas 支持多种类型的索引，从简单的 RangeIndex 到复杂的多层索引（MultiIndex），本节将详细介绍各种索引类型的使用方法。
Index 的基本概念
Index 类似于数据库的主键或 Excel 的行号，用于唯一标识每行数据。DataFrame 有行索引（index）和列索引（columns）两部分。
实例
import pandas as pd
# 创建简单的 DataFrame（默认使用 RangeIndex）
df = pd.DataFrame({
"姓名": ["张三", "李四", "王五"],
"年龄": [25, 30, 28],
"城市": ["北京", "上海", "广州"]
})
print("DataFrame 信息：")
print(f"行索引: {df.index.tolist()}")
print(f"列索引: {df.columns.tolist()}")
print("\n数据：")
print(df)
# 创建简单的 DataFrame（默认使用 RangeIndex）
df = pd.DataFrame({
"姓名": ["张三", "李四", "王五"],
"年龄": [25, 30, 28],
"城市": ["北京", "上海", "广州"]
})
print("DataFrame 信息：")
print(f"行索引: {df.index.tolist()}")
print(f"列索引: {df.columns.tolist()}")
print("\n数据：")
print(df)
RangeIndex
RangeIndex 是默认的整数索引，类似 Python 的 range(n)，从 0 开始递增。
创建与使用
实例
import pandas as pd
# 创建 RangeIndex
idx = pd.RangeIndex(start=0, stop=10, step=1)
print(f"RangeIndex: {idx}")
print(f"类型: {type(idx)}")
# DataFrame 默认使用 RangeIndex
df = pd.DataFrame({"A": [1, 2, 3]}, index=range(3))
print(f"\n默认索引类型: {type(df.index)}")
# 重置索引后也返回 RangeIndex
df_reset = df.reset_index()
print(f"重置后索引类型: {type(df_reset.index)}")
# 创建 RangeIndex
idx = pd.RangeIndex(start=0, stop=10, step=1)
print(f"RangeIndex: {idx}")
print(f"类型: {type(idx)}")
# DataFrame 默认使用 RangeIndex
df = pd.DataFrame({"A": [1, 2, 3]}, index=range(3))
print(f"\n默认索引类型: {type(df.index)}")
# 重置索引后也返回 RangeIndex
df_reset = df.reset_index()
print(f"重置后索引类型: {type(df_reset.index)}")
RangeIndex 特点
- 内存占用最小
- 支持默认的整数位置访问
- 与其他索引类型转换简单
Index 类型转换
Index 支持在多种类型之间转换。
转换为其他索引类型
实例
import pandas as pd
# 创建示例 DataFrame
df = pd.DataFrame({"值": [1, 2, 3, 4]}, index=[10, 20, 30, 40])
# 转换为 Index 类型
print("原始索引:", df.index)
print("索引类型:", type(df.index))
# 转换为列表
idx_list = df.index.tolist()
print(f"转换为列表: {idx_list}")
# 转换为 NumPy 数组
idx_array = df.index.values
print(f"转换为数组: {idx_array}")
# 重新设置索引为 RangeIndex
df = df.reset_index(drop=True)
print(f"重置为 RangeIndex: {df.index}")
# 创建示例 DataFrame
df = pd.DataFrame({"值": [1, 2, 3, 4]}, index=[10, 20, 30, 40])
# 转换为 Index 类型
print("原始索引:", df.index)
print("索引类型:", type(df.index))
# 转换为列表
idx_list = df.index.tolist()
print(f"转换为列表: {idx_list}")
# 转换为 NumPy 数组
idx_array = df.index.values
print(f"转换为数组: {idx_array}")
# 重新设置索引为 RangeIndex
df = df.reset_index(drop=True)
print(f"重置为 RangeIndex: {df.index}")
设置自定义索引
可以用 DataFrame 的列来设置行索引。
使用 set_index
实例
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({
"学号": ["S001", "S002", "S003", "S004"],
"姓名": ["张三", "李四", "王五", "赵六"],
"分数": [85, 92, 78, 90]
})
print("原始数据：")
print(df)
print()
# 将"学号"列设置为索引
df1 = df.set_index("学号")
print("设置学号为索引：")
print(df1)
print()
# 设置多个索引（会创建 MultiIndex）
df2 = df.set_index(["学号", "姓名"])
print("设置多个索引：")
print(df2)
# 创建 DataFrame
df = pd.DataFrame({
"学号": ["S001", "S002", "S003", "S004"],
"姓名": ["张三", "李四", "王五", "赵六"],
"分数": [85, 92, 78, 90]
})
print("原始数据：")
print(df)
print()
# 将"学号"列设置为索引
df1 = df.set_index("学号")
print("设置学号为索引：")
print(df1)
print()
# 设置多个索引（会创建 MultiIndex）
df2 = df.set_index(["学号", "姓名"])
print("设置多个索引：")
print(df2)
使用 index 参数创建
实例
import pandas as pd
# 在创建 DataFrame 时直接指定索引
df = pd.DataFrame(
{"姓名": ["张三", "李四", "王五"], "年龄": [25, 30, 28]},
index=["A001", "A002", "A003"]
)
print(df)
print(f"\n索引: {df.index.tolist()}")
# 使用 DatetimeIndex
dates = pd.date_range("2024-01-01", periods=3, freq="D")
df_date = pd.DataFrame({"值": [100, 200, 300]}, index=dates)
print("\n使用日期索引：")
print(df_date)
print(f"索引类型: {type(df_date.index)}")
# 在创建 DataFrame 时直接指定索引
df = pd.DataFrame(
{"姓名": ["张三", "李四", "王五"], "年龄": [25, 30, 28]},
index=["A001", "A002", "A003"]
)
print(df)
print(f"\n索引: {df.index.tolist()}")
# 使用 DatetimeIndex
dates = pd.date_range("2024-01-01", periods=3, freq="D")
df_date = pd.DataFrame({"值": [100, 200, 300]}, index=dates)
print("\n使用日期索引：")
print(df_date)
print(f"索引类型: {type(df_date.index)}")
索引操作
重置索引
实例
import pandas as pd
# 创建带自定义索引的 DataFrame
df = pd.DataFrame(
{"姓名": ["张三", "李四"], "分数": [85, 92]},
index=["A001", "A002"]
)
# 重置索引为默认的 RangeIndex
df_reset = df.reset_index()
print("重置索引：")
print(df_reset)
# drop 参数：是否丢弃原索引列
df_reset2 = df.reset_index(drop=True)
print("\n重置并丢弃原索引：")
print(df_reset2)
# 创建带自定义索引的 DataFrame
df = pd.DataFrame(
{"姓名": ["张三", "李四"], "分数": [85, 92]},
index=["A001", "A002"]
)
# 重置索引为默认的 RangeIndex
df_reset = df.reset_index()
print("重置索引：")
print(df_reset)
# drop 参数：是否丢弃原索引列
df_reset2 = df.reset_index(drop=True)
print("\n重置并丢弃原索引：")
print(df_reset2)
重新索引
实例
import pandas as pd
# 创建 DataFrame
df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]}, index=[1, 2, 3])
# 重新索引（改变索引顺序）
df_reindex = df.reindex([1, 2, 3, 4, 5])
print("重新索引（填充缺失为 NaN）：")
print(df_reindex)
# 使用 fill_value 填充缺失值
df_reindex2 = df.reindex([1, 2, 3, 4, 5], fill_value=0)
print("\n重新索引（用0填充）：")
print(df_reindex2)
# 创建 DataFrame
df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]}, index=[1, 2, 3])
# 重新索引（改变索引顺序）
df_reindex = df.reindex([1, 2, 3, 4, 5])
print("重新索引（填充缺失为 NaN）：")
print(df_reindex)
# 使用 fill_value 填充缺失值
df_reindex2 = df.reindex([1, 2, 3, 4, 5], fill_value=0)
print("\n重新索引（用0填充）：")
print(df_reindex2)
索引层级操作
实例
import pandas as pd
# 创建多层索引 DataFrame
df = pd.DataFrame({
"语文": [85, 92, 78],
"数学": [90, 88, 95]
}, index=pd.MultiIndex.from_tuples(
[("高一", "A班"), ("高一", "B班"), ("高二", "A班")],
names=["年级", "班级"]
))
print("多层索引 DataFrame：")
print(df)
print()
# 获取外层索引
print(f"外层索引（年级）: {df.index.get_level_values(0).tolist()}")
print(f"内层索引（班级）: {df.index.get_level_values(1).tolist()}")
# 创建多层索引 DataFrame
df = pd.DataFrame({
"语文": [85, 92, 78],
"数学": [90, 88, 95]
}, index=pd.MultiIndex.from_tuples(
[("高一", "A班"), ("高一", "B班"), ("高二", "A班")],
names=["年级", "班级"]
))
print("多层索引 DataFrame：")
print(df)
print()
# 获取外层索引
print(f"外层索引（年级）: {df.index.get_level_values(0).tolist()}")
print(f"内层索引（班级）: {df.index.get_level_values(1).tolist()}")
索引的属性与方法
| 属性/方法 | 说明 | 示例 |
|---|---|---|
index.tolist() |
转换为 Python 列表 | df.index.tolist() |
index.values |
转换为 NumPy 数组 | df.index.values |
index.unique() |
获取唯一值 | df.index.unique() |
index.is_unique |
检查索引是否唯一 | df.index.is_unique |
index.astype() |
转换索引类型 | df.index.astype(str) |
索引属性使用示例
实例
import pandas as pd
# 创建示例 DataFrame
df = pd.DataFrame(
{"值": [1, 2, 3, 4]},
index=["a", "b", "c", "d"]
)
# 查看索引属性
print(f"索引是否唯一: {df.index.is_unique}")
print(f"索引长度: {len(df.index)}")
print(f"索引数据类型: {df.index.dtype}")
# 转换为字符串类型
str_index = df.index.astype(str)
print(f"转换后类型: {str_index.dtype}")
# 创建示例 DataFrame
df = pd.DataFrame(
{"值": [1, 2, 3, 4]},
index=["a", "b", "c", "d"]
)
# 查看索引属性
print(f"索引是否唯一: {df.index.is_unique}")
print(f"索引长度: {len(df.index)}")
print(f"索引数据类型: {df.index.dtype}")
# 转换为字符串类型
str_index = df.index.astype(str)
print(f"转换后类型: {str_index.dtype}")
实战：使用索引提升查询效率
在实际数据分析中，合理设置索引可以显著提升查询效率。
实例
import pandas as pd
# 模拟业务数据
df = pd.DataFrame({
"订单ID": range(1000),
"客户ID": [f"C{i%100:03d}" for i in range(1000)],
"产品": [f"产品{i%20}" for i in range(1000)],
"金额": [round(i * 1.5, 2) for i in range(1000)]
})
# 设置常用查询列为索引
df_indexed = df.set_index(["客户ID", "产品"])
# 使用索引快速查询（类似数据库主键查询）
result = df_indexed.loc[("C001", "产品1")]
print("使用索引查询单个客户的产品：")
print(result)
# 按客户ID分组统计
print("\n各客户消费总额：")
customer_total = df.groupby("客户ID")["金额"].sum()
print(customer_total.head(10))
# 模拟业务数据
df = pd.DataFrame({
"订单ID": range(1000),
"客户ID": [f"C{i%100:03d}" for i in range(1000)],
"产品": [f"产品{i%20}" for i in range(1000)],
"金额": [round(i * 1.5, 2) for i in range(1000)]
})
# 设置常用查询列为索引
df_indexed = df.set_index(["客户ID", "产品"])
# 使用索引快速查询（类似数据库主键查询）
result = df_indexed.loc[("C001", "产品1")]
print("使用索引查询单个客户的产品：")
print(result)
# 按客户ID分组统计
print("\n各客户消费总额：")
customer_total = df.groupby("客户ID")["金额"].sum()
print(customer_total.head(10))
注意事项
1、索引值必须唯一
如果索引值不唯一，某些操作（如 loc 查找）会返回多个匹配行。
2、索引可以有名称
给索引命名可以提高代码可读性：df.index.name = "学号"
3、索引会跟随数据操作
切片、筛选等操作会保留索引，需要注意索引与数据的对应关系。
索引是 Pandas 性能的关键。常用查询列设置为索引可以大幅提升查找速度，但过多的索引会增加写入开销，需要权衡使用。