Pandas DataFrame Reset Index

"Pandas" ist eine Bibliothek von "Python", die wir zur Analyse von Daten verwenden. "Pandas" ist sehr einfach und einfach zu verwenden, um die Daten zu manipulieren. In „Pandas“ können wir DataFrame entwickeln, und in diesen Datenrahmen setzen wir auch einige Indexwerte oder Indexspalten ein. Manchmal müssen wir diesen Index zurücksetzen, damit wir die Methode „pandas reset_index ()“ verwenden. Die Pandas.Reset_index in Pandas wird zum Zurücksetzen des Index des angegebenen Datenrahmens in den Standardindex verwendet. Wenn wir diese Methode verwenden, wird der Index, den wir bereits im DataFrame erstellt haben, in eine Spalte konvertiert, und der Standardindex wird dort angezeigt. Wir werden erklären, wie wir den Index in „Pandas“ in diesem Leitfaden zurücksetzen und auch praktische Beispiele zeigen.”

Syntax
reset_index (Drop = trop, inplace = true)

Beispiel # 01
Mit dem Tool "Spyder" erstellen wir "pandas" -Codes, um die Technik "reset_index ()" in unserem Code zu verwenden. Erstens importieren wir "Pandas" -Module als "PD"."Um die Funktion" pandas "bei Bedarf in unserem Code zu verwenden, müssen wir die Funktion" Pandas "importieren. Dann entwickeln wir hier einen Datenrahmen, sodass wir den Index dieses Datenrahmens zurücksetzen werden. Der hier entwickelne Datenrahmen ist "labour_df", in dem wir "labour_code" platzieren, das die Codes dieser Arbeiten enthält, und diese sind "LB56, LB12, LB76, LB46, LB90, LB23, LB78, LB42 und LB91". Wir fügen auch die Namen hier in der Kolumne „Labor_Name“ hinzu, die „Smith, James, Leo, Liam, William, Grace, Alexander, Peter und Callum sind."Die" labor_duty_code "wird dann eingegeben, und die Arbeitscodes sind" DT23, DT56, DT55, DT76, DT91, DT87, DT22, DT48 und DT44 ".

Nach diesen drei Spalten haben wir zwei weitere Spalten eingefügt, nämlich die Spalten „Room_No und Block“ sind. In „Room_No“ setzen wir „Raum 1, Raum 4, Raum 1, Zimmer 3, Zimmer 2, Raum 5, Raum 3, Raum 4 und Raum 5“. Die "Block" -Spalte enthält "A, B, A, D. , C, b, c, d und a.Danach fügen wir die Indexspalte auch in diesen Datenrahmen ein. Wir initialisieren "l_index" mit den Indexwerten, und die Werte, die wir hier als Index einfügen, sind "L1, L2, L3, L4, L5, L6, L7, L8 und L9". Anschließend passen wir diese Indexwerte mit dem DataFrame an, indem wir den "DataFrame" verwenden.Index ”-Methode. Wir erstellen einfach den DataFrame hier mit einigen Indexwerten und zeigen ihn mit der Methode „print () an.”

Die Ausgabe wird gerendert, wenn wir auf die Tasten "Shift + Enter" klicken oder die Schaltfläche "Run" des Spyders drücken. Der Datenrahmen, der hier in diesem Ergebnis erschien, zeigt die Indexwerte. Jetzt werden wir diese Indexspalte zurücksetzen, indem wir die nachstehende Methode „reset_index ()“ verwenden.

Hier setzen wir die Methode "reset_index ()" mit dem Namen des Datenrahmens ein, nämlich "Labor_df"."Beim Zurücksetzen des Index von" Labor_df "wird der Datenrahmen mit dem Standardindex in der Variablen" Labor_df1 "gespeichert. Diese Methode entfernen den Index, den wir erstellt haben. Wir machen diese "Labor_df1" auch nach dem Zurücksetzen des Index.

Der Standardindex wird in diesem Ergebnis angezeigt, und der Index, den wir eingefügt haben, wird in die Spalte geändert. Dies alles geschieht, indem einfach die Methode "reset_index ()" verwendet wird.

Beispiel # 02
In diesem Beispiel verwenden wir erneut die "labor_df". Wenn wir die "labor_code" in die Methode "set_index" einstellen. Nachdem wir diesen "Labor_code" als Index festgelegt haben. Wir machen beide Datenrahmen, bevor wir den Index zurücksetzen, und nach dem Zurücksetzen des Index.

Hier sehen Sie, dass die Indexspalte die Spalte "labor_code" im ersten Datenrahmen ist, dann wird die Methode "reset_index ()" auf diesen Datenrahmen angewendet und rendert einen neuen Datenrahmen mit dem Standardindex, und der "labor_code" wird als gerendert die Spalte dieses Datenrahmens.

Beispiel # 03
Nach dem Importieren des „Pandas“ -Moduls in diesen Code erstellen wir eine Liste. Die Liste, die wir in dieser Instanz erstellen, heißt "Programmierer" und verfügt über das Feld "Programming_lang", das "Java, Cobol, Pascal, OOP, C ++, Kotlin, Python und JavaScript enthält."Die Timings" 3 Stunden, 4 Stunden, 2 Stunden, 4 Stunden, 6 Stunden, 3 Stunden, 4 Stunden und 4 Stunden "werden ebenfalls im Feld" Timig_perday "hinzugefügt. Die Codes sind „1523, 2423, 2321, 1456, 3454, 2267, 3106 und 4123“, die im Feld "Code" platziert sind.

Nach Abschluss dieser Liste fügen wir einige Werte in "P_Index" hinzu, die wir nach dem Konvertieren dieser Liste als Index in den Datenrahmen einstellen werden. Wir platzieren "programmer_1, programmer_2, programmer_3, programmer_4, programmer_5, programmer_6, programmer_7, programmer_8" in der "p_index" Variablen. Danach konvertieren wir die Liste, die wir in den Datenrahmen erstellt haben. Wenn dieser Datenrahmen erstellt werden.Indexwert.

Dann rendern wir hier "programmer_df", und danach setzen wir den Index zurück, indem wir "reset_index ()" diesmal platzieren, auch zwei Parameter an diese "reset_index ()" -Methode, die "Drop and Place" und "Drop and Place" und "und platzieren" und "und platzieren" und übergeben wir auch. Wir setzen beide als „wahr.So wird diese Indexspalte fallen und speichert sie nicht als Spalte des Datenrahmens. Es entfernt den Index und platziert den Standardindex anstelle der Indexspalte. Dieser Datenrahmen wird auch angezeigt, wie wir ihn in „print () platziert haben.”

Die im ersten Datenrahmen angezeigten Indexwerte werden fallen gelassen, und die Standardindexwerte sind an Ort. Diese Indexwerte, die wir hinzugefügt haben, werden im Datenrahmen nicht angezeigt.”

Beispiel # 04
Wir erstellen eine Liste, nachdem wir das "Pandas" -Modul importiert haben. In diesem Fall stellen wir eine Liste mit dem Namen "Runners_List" fest, in der das folgende Feld "Runner_Name" enthält "Taylor, Stellan, Julian, Jasper, Olive und Samuel, Henry, Iris, Cora und David."Das Feld" Runners_Score "enthält jetzt die Punktzahl" 126, 134, 137, 130, 126, 117, 139, 119, 163 und 189 ". Wir ändern auch "Runners_List" im "Runners_DF", indem wir die PD verwenden.DataFrame ”hier, und dann rendern wir„ Runners_df.”

Wir geben die Indexspalte nicht getrennt in diesen Code ein, sodass der Standardindex in diesem Datenrahmen rendert. Wir setzen die Funktion „Drop“ hier ein und fügen "0, 1" hinzu, wodurch die ersten beiden Zeilen des Datenrahmens fallen werden. Nachdem wir die ersten beiden Zeilen fallen gelassen haben. Wir verwenden dann die Methode "reset_index ()", nachdem wir die beiden Zeilen des Datenrahmens fallen gelassen haben. Dadurch wird die Indexwerte des Standardindex des DataFrame zurückgesetzt. Wir setzen auch hier den „Drop“ auf die „wahre“ und platzieren „r_df“ in "print ()" r_df ".”

Der ursprüngliche DataFrame wird hier angezeigt, der die Standardindexwerte enthält, und dies wird hier vor dem Ablegen einer Zeile wiedergegeben.

Wenn die ersten beiden Zeilen des Datenrahmens fallen gelassen werden, wird der neue Datenrahmen unten angezeigt, und in diesem Datenrahmen startet der Indexwert von 2, da wir die ersten beiden Zeilen fallen lassen. Danach haben wir die Methode „reset_index ()“ angewendet, die die Indexwerte zurücksetzt und aus 0 startet, was auch der Standardindex ist.

Abschluss

Das Hauptziel der Anleitung ist es, die Methode „Reset_index“ in „Pandas“ im Detail zu beschreiben. Wir haben diskutiert, dass der "reset_index ()" beim Zurücksetzen des Index des DataFrame und beim Einsetzen des Standardindex an seiner Stelle hilft. Wir haben mehrere Beispiele vorgestellt, in denen wir den Index zuerst angepasst haben, und dann diesen Index zurücksetzen und den Datenrahmen vor und nach dem Zurücksetzen des Index in diesem Handbuch gezeigt haben. Wir haben auch in diesem Handbuch besprochen, dass wir den Index auch mit dem „Reset_Index () verwendeten, wenn wir den Standardindex verwendet und dann einige Zeilen fallen gelassen haben, dann auch den Index zurückgesetzt werden."Hier geht es um die Methode" reset_index () "in" Pandas ".