索引的修改与重置

为什么需要动索引

默认索引是从 0 开始的一串整数（RangeIndex，§08 讲过）。但分析时经常需要：把某列当索引、把索引变回普通列、按新顺序重排数据、给索引起名。这一节把常见的”索引手术”一次讲完。

set_index：把列变成索引

最常用的操作：把一列或多列设为行索引。

import pandas as pd
import numpy as np

df = pd.DataFrame({
    "学号": ["S001", "S002", "S003"],
    "姓名": ["张三", "李四", "王五"],
    "分数": [85, 92, 78],
})
print(df.set_index("学号"))

set_index 默认丢掉原来的整数索引，被选中的列从数据区移到索引区。传一个列名列表，就得到多级索引（§22）：

print(df.set_index(["学号", "姓名"]))

两个不常用的参数，按需使用：

• append=True：保留原索引，把新列叠上去（通常用于多级索引）
• drop=False：索引列在数据区保留一份（改了索引但列还在）

reset_index：把索引变回列

reset_index 是 set_index 的逆操作，步骤：

1. 不带参数调用：旧索引变成一列，排在最前面，列名就是索引名
2. 传 drop=True：旧索引直接丢弃，换成新的整数索引
3. 多级索引时传 level：只重置部分层级

df2 = df.set_index("学号")
print(df2.reset_index())             # 学号回到普通列
print(df2.reset_index(drop=True))    # 旧索引直接扔掉

多级索引只重置一层：

df3 = df.set_index(["学号", "姓名"])
print(df3.reset_index(level="姓名"))

最常见的用法是：分组聚合（§37）后索引变成了分组键，reset_index() 把它还原成普通列，方便继续当普通数据处理。

reindex：按新标签重排

reindex 让数据按你给的标签顺序重排；标签不存在时补 NaN，或用 fill_value 补指定值：

s = pd.Series([10, 20, 30], index=["a", "b", "c"])
print(s.reindex(["c", "a", "d"]))          # d 不存在 → NaN
print(s.reindex(["a", "b", "d"], fill_value=0))

reindex 也支持 method=“ffill” / “bfill” 配合 limit，用邻近值补新标签（和 §25 的填充是一回事）：

s4 = pd.Series([10, 20, 30], index=[0, 2, 4])
print(s4.reindex([0, 1, 2, 3, 4], method="ffill"))

reindex 还能补列：给 columns 传新列表，缺的列补 NaN（或 fill_value），常用于对齐两张表的列结构：

df6 = df.reindex(columns=["学号", "姓名", "分数", "排名"], fill_value=0)
print(df6)

rename：改名

rename 可以同时改行索引和列名，支持字典和函数两种写法：

print(df.rename(columns={"分数": "成绩"}))
print(df.rename(columns=str.upper))       # 列名全部大写

自定义索引时，改具体某几个标签用字典：

df4 = df.set_index("学号")
print(df4.rename(index={"S001": "2024001"}, columns={"分数": "成绩"}))

多级索引改名要指定 level，只动某一层：

print(df3.rename(index={"S001": "2024001"}, level="学号"))

sort_index：按标签排序

sort_index 按索引排序，区别于 sort_values 按数据值排序：

df5 = pd.DataFrame({"值": [1, 2, 3, 4]}, index=["c", "a", "d", "b"])
print(df5.sort_index())
print(df5.sort_index(ascending=False))

多级索引用 level 指定按哪一层排（§22 也提到过）：

print(df3.sort_index(level="姓名"))

列名也可以排：sort_index(axis=1) 按列名排序，列多时找列方便。

给索引起名

索引名（index.name）相当于”这一列的标题”，多级索引每一层都有名字（index.names）。打印、reset_index 后的列名都会用到它：

s5 = pd.Series([1, 2, 3])
s5.index.name = "序号"
print(s5)
print(s5.reset_index())

索引去重

重复的索引会让 loc 返回多行、reindex 直接报错。先检查，再处理：

s2 = pd.Series([0, 1, 2], index=["a", "b", "b"])
print(s2.index.is_unique)         # False
print(s2.index.duplicated())      # [False False True]
print(s2.loc[~s2.index.duplicated()])   # 只保留第一次出现的

如果希望”以后不允许出现重复标签”，用 set_flags 上一把锁：

s3 = s2.loc[~s2.index.duplicated()]
s3 = s3.set_flags(allows_duplicate_labels=False)

此后任何会引入重复标签的操作（比如 rename 撞名）都会抛 DuplicateLabelError，防止清洗后的数据又被污染。

常见误区

三个容易翻车的点，提前排掉：

1. 忘了赋值：set_index / reset_index / reindex 都返回新对象，不改原表（§09 CoW 更是如此），df.set_index("学号") 写完不赋值等于白写
2. reset_index 后列名冲突：旧索引名和已有列重名时，pandas 会自动加后缀，检查一下再往下走
3. 改了索引影响后续操作：合并（§34）、对齐都按索引匹配，索引改乱了，结果就乱了——每次改完用 df.index 或 df.head() 确认一眼

小结

五个方法的分工很清晰：set_index 建索引，reset_index 拆索引，reindex 换顺序，rename 改名字，sort_index 排顺序。配合 §19 的 loc/iloc，索引这套体系就能随心所欲了。