Pandas 系列之：以数据框索引为列

在数据分析和数据处理中，通常需要对数据进行索引，方便快速地查找、分组或统计等操作。Pandas 是一种十分强大的数据分析工具，其数据结构 DataFrame 可以轻松对数据进行索引操作。本文将介绍如何将数据框的索引列转化成列，从而更好地解决一些特定的问题。

1、问题背景

在实际应用中，经常需要将数据框的单独索引列转化成数据列，以便于后续处理。例如下面这个数据框：

import pandas as pd

data = {'col1': ['A', 'B', 'C', 'D'],
        'col2': [1, 2, 3, 4]}
df = pd.DataFrame(data)
df.index = ['a', 'b', 'c', 'd']

其中，索引列为 a, b, c, d，需要将其转化成数据列。

2、方法介绍

Pandas 提供了两种方法来将索引转为数据列。

2.1、reset_index()

reset_index() 方法可以将数据框的索引列转成数据列。同时，该方法可以重置索引，将原来的索引列作为一列数据存储，新的索引则按照从 0 开始的整数自动生成。

df1 = df.reset_index()

2.2、to_frame()

to_frame() 方法可以将数据框的索引列生成一列数据。相比 reset_index() 方法，to_frame() 方法不会更改原数据框的索引。

df2 = df.index.to_frame(index=False)
df2.columns = ['index']
df2 = pd.concat([df2, df], axis=1)

3、方法比较

两种方法均可以将索引列转换成数据列，但有一些区别：

• to_frame() 方法不会更改原数据框的索引列，而 reset_index() 方法会重置索引列。
• reset_index() 方法将原来的索引列存储为名称为 index 的数据列，而 to_frame() 方法则需要手动指定新数据列的名称。

4、总结

Pandas 提供了两种方便的方法将数据框的索引列转化成数据列：reset_index() 和 to_frame()。两者使用的场景略有不同，根据具体情况选择使用。