Python案例如何用Pandas做数据设置索引

wen python案例 2026-07-15 1

Python实战：如何用Pandas做数据设置索引（案例详解）

目录导读

什么是Pandas索引？为什么它如此重要？
准备工作：安装与导入Pandas库
使用set_index()将列设置为索引
读取文件时直接指定索引列
重置索引reset_index()的妙用
多层索引（MultiIndex）的设置
常见问题与问答（FAQ）
总结与最佳实践

什么是Pandas索引？为什么它如此重要？

在数据分析中,索引（Index） 是Pandas DataFrame或Series的“行标签”，它不仅仅是行号，更是数据快速定位、合并、对齐的核心工具，正确设置索引可以：

提升查询速度：基于索引的loc比基于位置的iloc更高效。
简化数据对齐：多个DataFrame合并时，索引自动匹配。
支持分层分析：通过多层索引实现分组聚合。

一个糟糕的索引（如默认的0、1、2...）常导致代码冗长、易出错，掌握索引设置是Pandas进阶的必修课。

准备工作：安装与导入Pandas库

确保已安装Pandas（版本建议≥1.0）：

pip install pandas

导入库并创建示例数据：

import pandas as pd
# 创建一个包含学生信息的DataFrame
data = {
    '学号': ['S001', 'S002', 'S003', 'S004'],
    '姓名': ['张三', '李四', '王五', '赵六'],
    '语文': [88, 92, 75, 96],
    '数学': [91, 84, 89, 78]
}
df = pd.DataFrame(data)
print(df)

输出：

    学号  姓名  语文  数学
0  S001  张三   88   91
1  S002  李四   92   84
2  S003  王五   75   89
3  S004  赵六   96   78

默认索引是0、1、2、3，这不利于按“学号”快速查找。

方法一：使用`set_index()`将列设置为索引

这是最常用的方法,将任意列（或列的组合）转换为行索引。

基本用法

df_indexed = df.set_index('学号')
print(df_indexed)

输出：

      姓名  语文  数学
学号                
S001  张三   88   91
S002  李四   92   84
S003  王五   75   89
S004  赵六   96   78

注意：原DataFrame的“学号”列被移除，成为索引。

关键参数

inplace=True：直接修改原DataFrame，不生成副本。
drop=False：保留原列同时作为索引（原列仍在DataFrame中）。

df.set_index('学号', drop=False, inplace=True)  # 学号既是指引又是列

将多列设为索引（变为多层索引）

# 假设有班级列
df['班级'] = ['A班', 'A班', 'B班', 'B班']
df.set_index(['班级', '学号'], inplace=True)

方法二：读取文件时直接指定索引列

如果数据来自CSV或Excel文件,可以在读取时一步到位指定索引列。

从CSV读取

# 假设有 students.csv，第一列是“学号”
df = pd.read_csv('students.csv', index_col='学号')

指定多列索引

df = pd.read_csv('students.csv', index_col=['班级', '学号'])

使用第几列作为索引（0-based）

df = pd.read_csv('students.csv', index_col=0)  # 第0列（第一列）作为索引

优势：节省内存，避免后续二次设置。

方法三：重置索引`reset_index()`的妙用

reset_index()与set_index相反，它将索引还原为默认整数索引，原索引变成普通列。

基本用法

df_reset = df_indexed.reset_index()
print(df_reset)

输出：

   学号  姓名  语文  数学
0  S001  张三   88   91
1  S002  李四   92   84
2  S003  王五   75   89
3  S004  赵六   96   78

常用参数

drop=True：直接删除原索引，不把它变成列。
level：多层索引时，指定重置哪一层。

场景：当你完成基于索引的分析后，想恢复“干净”的行号用于导出或合并时。

方法四：多层索引（MultiIndex）的设置

多层索引适用于高维数据分析,创建方式有三种：

方式1：从列表创建

arrays = [['A班', 'A班', 'B班', 'B班'], ['S001', 'S002', 'S003', 'S004']]
index = pd.MultiIndex.from_arrays(arrays, names=['班级', '学号'])
df_multi = pd.DataFrame({'语文': [88,92,75,96]}, index=index)

方式2：使用`set_index`传入列表

df_multi = df.set_index(['班级', '学号'])

方式3：读取时指定

df = pd.read_csv('data.csv', index_col=['班级', '学号'])

访问多层索引：

# 获取所有B班的数据
df_multi.loc['B班']
# 获取特定索引
df_multi.loc[('A班', 'S001')]

常见问题与问答（FAQ）

Q1: set_index()和直接在读取时设置索引，哪种更快？ A: 读取时设置更快，因为它避免了数据复制，对于大文件（>1GB），应在read_csv中直接指定index_col。

Q2: 索引可以重复吗？如何应对重复索引？ A: 可以重复，但重复索引会降低loc查询性能，并导致合并时混乱，建议通过df.index.is_unique检查，用df = df.groupby(df.index).first()去重。

Q3: 如何把索引变为普通列，同时保留索引？ A: 使用reset_index()时不要加drop=True（默认就是drop=False），索引将作为新列添加到DataFrame最左侧。

Q4: 设置索引后，原来的整数索引去哪了？ A: 默认情况下，set_index会丢弃原索引，如果需要保留原索引，可以先用reset_index()将其变为列，再设置新索引。

Q5: 多层索引如何排序？ A: df.sort_index(level='某层名', ascending=True)，或者按多层排序：df.sort_index(level=[0,1])。

总结与最佳实践

场景	推荐方法	说明
数据已在内存中	`df.set_index('列名')`	灵活，可指定多列
从文件读取	`read_csv(index_col=...)`	性能最优
恢复默认索引	`df.reset_index()`	配合`drop`参数
需要分层分析	多层索引`MultiIndex`	适合分组聚合