操縱索引包括：重索引、設置索引、替換軸的索引、重置索引
一，重索引 （reindex）
重索引是指數據框按照新的索引進行排列，如果已存的索引和新索引不匹配，那麼使用NA來填充。
DataFrame.reindex(labels=None, index=None, columns=None, axis=None,
method=None, copy=True, level=None, fill_value=nan, limit=None, tolerance=None)
參數註釋：
- labels：array-like，新的軸（axis）標籤，軸由參數axis指定
- index，columns：新索引，如果指定index參數，等價於指定labels和axis=0/'index'，如果指定columns，等價於指定labels和axis=1/'columns'
- axis：軸，axis=0/'index'表示行，axis=1/'columns'表示列
- method：用於填充的方法，有效值是None, ‘backfill’/’bfill’, ‘pad’/’ffill’, ‘nearest’，
- None表示不會填充
- ‘backfill’/’bfill’：表示回填，用NA的後面第一個有效值來填充當前的NA
- ‘pad’/’ffill’：表示補填，用前面第一個有效值來填充當前的NA
- ‘nearest’：用最接近NA的有效值來填充當前的NA
- copy：默認值是True，返回新的對象
- level：用於MultiIndex，在一個級別上，與MultiIndex進行匹配。
- fill_value：標量值，默認值是np.NaN，用於對缺失值進行填充的值
- limit：填充的最大次數
- tolerance：可選參數，表示不能完全匹配的原始標籤和新標籤之間的最大距離，匹配位置處的索引值滿足：abs（index_position - target_position）<= tolerance，容差可以是標量值（對所有序列值應用相同的容差），也可以是list-like結構（對每個序列元素應用可變容差），list-like結構包括列表、元組、數組和序列，並且list-like結構的長度和序列的長度和長度必須相同。
舉個例子，有如下的數據集df，df的行索引由index指定，列索引是http_status和response_time：
index = ['Firefox', 'Chrome', 'Safari', 'IE10', 'Konqueror'] df = pd.DataFrame({'http_status': [200, 200, 404, 404, 301], 'response_time': [0.04, 0.02, 0.07, 0.08, 1.0]}, index=index) df http_status response_time Firefox 200 0.04 Chrome 200 0.02 Safari 404 0.07 IE10 404 0.08 Konqueror 301 1.00
重索引（reindex）是指爲原始數據集應用新的索引，並按照新的索引來對數據進行排序，如果原始索引不存在於新索引中，那麼相應的Cell值會被填充爲默認值的np.NaN。
如下所示，原始索引不存在Iceweasel 和 Comodo Dragon，這兩個的數據值都設置爲NaN。其他三行的索引都存在於原始索引中，使用原始的值。通過reindex之後，數據集的索引變更爲新索引。
new_index = ['Safari', 'Iceweasel', 'Comodo Dragon', 'IE10', 'Chrome'] df.reindex(new_index) http_status response_time Safari 404.0 0.07 Iceweasel NaN NaN Comodo Dragon NaN NaN IE10 404.0 0.08 Chrome 200.0 0.02
對於填充值，可以通過參數fill_value來設置：
df.reindex(new_index, fill_value=0) http_status response_time Safari 404 0.07 Iceweasel 0 0.00 Comodo Dragon 0 0.00 IE10 404 0.08 Chrome 200 0.02
二，設置索引（set_index）
把現有的列設置爲行索引，使用set_index()函數把已有的列轉換爲行索引，也可以使用set_axis()函數替換掉已有的軸索引。使用現有的列作爲DataFrame的索引：
DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)
參數註釋：
- keys：列標籤，或列標籤的列表，
- drop：默認值是True，表示刪除keys參數指定的列；設置爲False，表示不刪除keys參數指定的列。
- append：默認值是False，表示刪除原始行索引；如果設置爲True，表示向現有的行索引中追加索引。
- verify_integrity：默認值是False，不檢查新索引是否存在重複值。
對於以下的數據，pandas默認創建一個int range索引：
df = pd.DataFrame({'month': [1, 4, 7, 10],
'year': [2012, 2014, 2013, 2014],
'sale': [55, 40, 84, 31]})
df
month year sale
0 1 2012 55
1 4 2014 40
2 7 2013 84
3 10 2014 31
設置month爲新的索引，默認值是drop=True，append=False，這表示會刪除month列，並使用month列來替換原始的索引：
df.set_index('month') year sale month 1 2012 55 4 2014 40 7 2013 84 10 2014 31
三，重置索引（reset_index）
重置索引表示把DataFrame的索引設置爲默認值，也就是從0開始到N-1的整數位置索引。設置索引是把列轉換爲索引，而重置索引可以認爲是把行索引轉換爲數據集的一列。重置索引也可以用於刪除原始索引，如果數據集存在多級索引（MultiIndex），那麼reset_index 可以用於移除多級索引的一個級別（level）或多個級別。
DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')
drop 參數表示是否刪除原始索引，如果設置爲False，那麼索引轉換爲列；如果設置爲True，表示把索引刪除。
有如下數據df，存在一個行索引：
df = pd.DataFrame([('bird', 389.0), ('bird', 24.0), ('mammal', 80.5),('mammal', np.nan)], index=['falcon', 'parrot', 'lion', 'monkey'], columns=('class', 'max_speed')) df class max_speed falcon bird 389.0 parrot bird 24.0 lion mammal 80.5 monkey mammal NaN
重置索引，並把原始的索引轉換爲數據集的一列，現有的索引使用pandas默認的索引。
df.reset_index() index class max_speed 0 falcon bird 389.0 1 parrot bird 24.0 2 lion mammal 80.5 3 monkey mammal NaN
重置索引，並把原始的索引刪除：
df.reset_index(drop=True) class max_speed 0 bird 389.0 1 bird 24.0 2 mammal 80.5 3 mammal NaN
參考文檔：