Pandas DataFrame是Python数据处理的基石。它们的索引通常包含您可能想要集成到列中的关键信息。本文详细介绍了将DataFrame的索引转换为列以及反向操作的各种技术。
目录：
1. 将索引添加为新列
最直接的方法是使用.index属性：
import pandas as pd
data = {'col1': [1, 2, 3], 'col2': [4, 5, 6]}
df = pd.DataFrame(data)
df['index_col'] = df.index
print(df)
这直接将索引值赋给名为“index_col”的新列。
2. 转换后重命名索引列
reset_index()方法将索引转换为列，默认为“index”。使用rename_axis()进行自定义命名：
import pandas as pd
data = {'col1': [1, 2, 3], 'col2': [4, 5, 6]}
df = pd.DataFrame(data)
df = df.rename_axis('original_index').reset_index()
print(df)
这将生成的索引列重命名为“original_index”。
3. 将列转换为索引
要执行反向操作，请使用set_index()：
import pandas as pd
data = {'index_col': [0, 1, 2], 'col1': [1, 2, 3], 'col2': [4, 5, 6]}
df = pd.DataFrame(data)
df = df.set_index('index_col')
print(df)
这将“index_col”设置为DataFrame的新索引。
4. 处理多层索引结构
对于涉及多个索引级别的更复杂场景，多层索引非常有用。让我们从现有列创建一个多层索引，然后将其重置以添加这些级别作为列：
import pandas as pd
data = {'level1': ['A', 'A', 'B', 'B'], 'level2': ['X', 'Y', 'X', 'Y'], 'value': [1, 2, 3, 4]}
df = pd.DataFrame(data)
df = df.set_index(['level1', 'level2']).reset_index()
print(df)
这创建了一个多层索引，然后将其转换为单独的列。
这些技术提供了管理DataFrame索引的多功能性，可以根据您的特定数据分析需求，无缝地将索引信息集成到列中，反之亦然。