dataframe设置index

DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False) 

其中：keys是列标签或数组列表

• drop：删除要用作新索引的列,布尔值默认为True
• append：boolean是否将列附加到现有索引默认为False，inplace修改DataFrame（不要创建新对象）默认为False
• verify_integrity：检查新索引是否有重复项默认为False。

示例：

In [ ]: df = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
	              	  	  'B': ['B0', 'B1', 'B2', 'B3'],
	              		  'C': ['C0', 'C1', 'C2', 'C3'],
	              		  'D': ['D0', 'D1', 'D2', 'D3']},
	              		   index=[0, 1, 2, 3])
	              		  
Out[ ]: 
	A	B	C	D
0	A0	B0	C0	D0
1	A1	B1	C1	D1
2	A2	B2	C2	D2
3	A3	B3	C3	D3

>>> df1= df.set_index(['A', 'B'])
>>> df2 = df.set_index([[1, 2, 3,4]])

DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')

level指仅从索引中删除给定的级别，默认情况下删除所有级别int，str，tuple或list，默认为None。drop确定索引列会是否还原为普通列

示例：

>>> df.reset_index()

重命名dataframe的index 

方法1：直接赋值法

因为dataframe的index也是series格式的数据，所以直接指定index为一个新的series即可修改dataframe的index：

方法2：map

方法3：rename

通过rename传入一个函数可以批量替换index或rename：

也可以通过传入一个字典，指定修改index或column：

自定义map函数处理dataframe

map函数通过传入一个函数来对对象进行批量处理：