Pandas DataFrame Reset Index

„Pandy” to biblioteka „Pythona”, którą wykorzystujemy do analizy danych. „Pandy” są bardzo proste i łatwe w użyciu do manipulowania danymi. W „Pandy” możemy opracować ramkę danych, aw tych danych danych umieszczamy również niektóre wartości indeksu lub kolumny indeksu. Czasami musimy zresetować ten indeks, więc użyjemy metody „pandas reset_index ()”. Pandy.RESET_INDEX w pandy jest wykorzystywany do resetowania indeksu określonej ramki danych do domyślnego indeksu. Kiedy korzystamy z tej metody, indeks, który już utworzyliśmy w DataFrame, przekonwertuje na kolumnę, a domyślny indeks pojawi się tam. Wyjaśnimy, w jaki sposób zresetujemy indeks w „Pandy” w tym przewodniku i pokażemy również praktyczne przykłady."

Składnia
RESET_INDEX (Drop = trop, inplace = true)

Przykład nr 01
Korzystając z narzędzia „Spyder”, tworzymy kod „Pandy”, aby użyć techniki „RESET_INDEX ()” w naszym kodzie. Po pierwsze, importujemy moduły „pandy” jako „PD.„Aby wykorzystać funkcję„ pandy ”w razie potrzeby w naszym kodzie, musimy zaimportować funkcję„ pandy ”. Następnie opracowujemy tutaj ramkę danych, więc zresetujemy indeks tego DataFrame. Opracowywana przez nas tutaj danych to „Labour_df”, w którym umieszczamy „Labour_Code”, który zawiera kody tych prac, a to „LB56, LB12, LB76, LB46, LB90, LB23, LB78, LB42 i LB91”. Dodajemy również nazwy tutaj w kolumnie „Labour_name”, jaką są „Smith, James, Leo, Liam, William, Grace, Alexander, Peter i Callum.„Następnie wprowadza się„ Labour_duty_code ”, a kody obowiązkowe to„ DT23, DT56, DT55, DT76, DT91, DT87, DT22, DT48 i DT44 ”.

Po tych trzech kolumnach wstawiliśmy dwie kolejne kolumny, które są kolumnami „Room_NO i Block”. W „Room_no” umieszczamy „pokój 1, pokój 4, pokój 1, pokój 3, pokój 2, pokój 5, pokój 3, pokój 4 i pokój 5” kolumna „blok” zawiera „A, B, A, D. , C, B, C, D i A.”Następnie wstawiamy kolumnę indeksu również do tego kompletu danych. Inicjalizujemy „L_INDEX” z wartościami indeksu, a wartości, które umieściliśmy tutaj jako indeks to „L1, L2, L3, L4, L6, L7, L8 i L9”. Następnie dostosowujemy te wartości indeksu za pomocą DataFrame za pomocą „DataFrame.Metoda indeksu ”. Po prostu tworzymy tutaj z pewnymi wartościami indeksu i wyświetlamy ją za pomocą metody „print ()."

Wyjście jest renderowane, gdy naciśniemy klawisze „Shift + Enter” lub naciśnij przycisk „Uruchom” Spydera. Rama danych, która pojawiła się tutaj w tym wyniku, pokazuje wartości indeksu. Teraz zresetujemy tę kolumnę indeksu, używając poniżej metody „RESET_INDEX ()”.

Tutaj umieszczamy metodę „RESET_INDEX ()” z nazwą DataFrame, która jest „Labour_DF.„Podczas resetowania indeksu„ Labour_DF ”, ramka danych z domyślnym indeksem jest przechowywana w zmiennej„ LOBAIR_DF1 ”. Ta metoda usunie indeks, który utworzyliśmy, i uczyni te wartości indeksu wartości kolumny, a domyślny indeks pojawi się zamiast tego. Renderujemy również „Labour_DF1” po zresetowaniu indeksu.

Domyślny indeks pojawia się w tym wyniku, a indeks, który wprowadziliśmy. Wszystko to odbywa się po prostu wykorzystując metodę „RESET_INDEX ()”.

Przykład nr 02
W tym przykładzie ponownie używamy „sicia_df”, ale tutaj ustawiamy „Labour_code” jako indeks, a następnie zresetujemy. Kiedy umieścimy „Labour_code” w metodzie „set_index”, dostosuje to „code Labour_Code” jako kolumnę indeksu tegoframe. Teraz, po ustawieniu tego „Labour_code” jako indeksu, wykorzystujemy metodę „RESET_INDEX ()”, aby zresetować ten indeks i zmienić go na domyślny indeks i uczynić „Labour_code” nową kolumnę tej ramki danych. Renderujemy zarówno DataFrame, zanim zresetujemy indeks i po zresetowaniu indeksu.

Widać tutaj, że kolumna indeksu jest kolumną „Labour_code” w pierwszej ramce danych, wówczas do tego kompletu danych stosuje metodę „RESET_INDEX ()” i renderuje nową ramkę danych z domyślnym indeksem, a „Labor_code” jest renderowany jako jak Kolumna tego kompletu danych.

Przykład nr 03
Po zaimportowaniu modułu „pandy” do tego kodu, tworzymy listę. Lista, którą tworzymy w tym przypadku, nazywa się „Programiści” i ma pole „Programming_lang”, które zawiera „Java, Cobol, Pascal, Oop, C ++, Kotlin, Python i JavaScript.„Czasami„ 3 godziny, 4 godziny, 2 godziny, 4 godziny, 6 godzin, 3 godziny, 4 godziny i 4 godziny ”są również dodawane w polu„ Timig_perday ”. Kody to „1523, 2423, 2321, 1456, 3454, 2267, 3106 i 4123”, które są umieszczone w polu „kod”.

Po wypełnieniu tej listy dodajemy niektóre wartości w „P_INDEX”, które ustawimy jako indeks po przekształceniu tej listy w ramkę danych. Umieszczamy „Programmer_1, programista_2, programista_3, programista_4, programista_5, programista_6, programista_7, programista_8” w zmiennej „p_index”. Następnie konwertujemy listę, którą utworzyliśmy w DataFrame. Po utworzeniu tej formy danych ustawiamy te wartości „p_index” jako indeks tej formy danych za pomocą „DataFrame.Wartość indeksu ”.

Następnie renderujemy tutaj „Programmer_df”, a po tym zresetujemy indeks, umieszczając tym razem „RESET_INDEX ()”, przekazujemy również dwa parametry do tej metody „RESET_INDEX ()”, które są „upuszczeniem i miejscem” i Ustaliliśmy zarówno jako „prawdziwe.”Więc upuszczy tę kolumnę indeksu i nie zapisuje jej jako kolumny DataFrame. Usuwa indeks i umieszcza domyślny indeks zamiast kolumny indeksu. Ta oprawa danych wyświetli się również, gdy umieściliśmy go w „print ()."

Wartości indeksu, które pokazano w pierwszej ramce danych, są upuszczane, a domyślne wartości indeksu pojawiły się zamiast tych wartości indeksu. Te wartości indeksu, które dodaliśmy, nie są pokazane w Reset DataFrame, ponieważ ustawiamy „upuść” i „ince” równa się „true."

Przykład nr 04
Tworzymy listę po imporcie modułu „pandy”. W tym przypadku ustanawiamy listę o nazwie „Runners_list”, która ma następujące pole „Runner_name” zawiera „Taylor, Stellan, Julian, Jasper, Olive i Samuel, Henry, Iris, Cora i David.„Pole„ Runners_Score ”zawiera teraz wynik„ 126, 134, 137, 130, 126, 117, 139, 119, 163 i 189 ”. Zmieniamy również „Runners_list” w „Runners_df” za pomocą „PD.DataFrame ”tutaj, a następnie renderujemy„ Runners_df."

Nie wstawiamy kolumny indeksu osobno w niniejszym kodzie, więc domyślny indeks będzie renderowany w niniejszej formie danych. Umieszczamy tutaj funkcję „upuść” i dodajemy w niej „0, 1”, która zrzuci pierwsze dwa rzędy DataFrame, a także przechowujemy ramkę danych po upuszczeniu dwóch pierwszych dwóch wierszy. Następnie używamy metody „RESET_INDEX ()” po upuszczeniu dwóch rzędów DataFrame. Zresetuje to wartości indeksu domyślnego indeksu DataFrame. Ustawiamy również „upuszczenie” na „prawdziwe” tutaj i umieszczamy „R_DF” w „print ()."

Oryginalna ramka danych jest pokazana tutaj, która zawiera domyślne wartości indeksu, a jest to tutaj renderowane przed upuszczeniem dowolnego wiersza.

Po upuszczeniu dwóch pierwszych rzędów ramki danych, wówczas utworzona nowa strumienia danych jest wyświetlana poniżej, aw tym ramie danych wartość indeksu zaczyna się od 2, ponieważ upuszczamy pierwsze dwa wiersze. Następnie zastosowaliśmy metodę „RESET_INDEX ()”, która resetuje wartości indeksu i uruchamia ją od 0, która jest również indeksem domyślnym.

Wniosek

Głównym celem przewodnika jest szczegółowe opisanie metody „RESET_INDEX” w „Pandy”. Omówiliśmy, że „RESET_INDEX ()” pomaga w zresetowaniu indeksu DataFrame i wprowadzaniu domyślnego indeksu na jego miejscu. Przedstawiliśmy wiele przykładów, w których najpierw skorygowaliśmy indeks, a następnie zresetowaliśmy ten indeks i pokazaliśmy ramkę danych przed i po resetowaniu indeksu w tym przewodniku. W tym przewodniku omówiliśmy również, że kiedy użyliśmy domyślnego indeksu, a następnie upuściliśmy niektóre wiersze, następnie zresetujemy indeks, wykorzystując „RESET_INDEX ().„Chodzi o metodę„ RESET_INDEX () ”w„ Pandy ”.