在 Pandas DataFrame 中具有唯一索引值

Question

我想要一个唯一的索引值，而不是多次重复相同的索引值。

示例：我有这个数据框：

test = pd.DataFrame({'id': ['a','a','a','a','b'],
                     'col_1': [1,2,3,4,5],
                     'col_2': [6,7,8,9,10]
                     })

  id  col_1  col_2
0  a  1      6    
1  a  2      7    
2  a  3      8    
3  a  4      9    
4  b  5      10  

而我想要实现的是将id列作为索引，而不是重复。我试过这个，但正如你所看到的，索引在每一行中重复：

test.set_index('id')

    col_1  col_2
id              
a   1      6    
a   2      7    
a   3      8    
a   4      9    
b   5      10  

我想要实现的是（所有 4 个值组的索引“a”等）：

    col_1  col_2
id              
a   1      6    
    2      7    
    3      8    
    4      9    
b   5      10  

任何想法如何做到这一点？提前致谢。

Answer 1

您可以将该id列设置为索引。为避免重复索引条目，还将索引设置为结果 MultiIndex 的第二级。

test.set_index(['id', test.index])

# Out:
      col_1  col_2
id                
a  0      1      6
   1      2      7
   2      3      8
   3      4      9
b  4      5     10

如果您真的不想拥有非重复索引级别，只需将其设置id为索引即可。但请注意，在这种情况下，pandas 的显示格式将包括重复项：

test.set_index('id')
# Out: 
    col_1  col_2
id              
a       1      6
a       2      7
a       3      8
a       4      9
b       5     10

也test.set_index('id').index.duplicated().any()将 yield True，对于包含重复项的索引具有典型的非最佳结果。