Panda's: rijen opnieuw indexeren vanaf 1

U kunt de volgende basissyntaxis gebruiken om de rijen van een Panda DataFrame opnieuw te indexeren, beginnend bij 1 in plaats van 0:

 import pandas as pd
import numpy as np

df. index = np. arange (1, len (df)+1)

De functie NumPy arange() maakt een array die begint bij 1 en die toeneemt in stappen van 1 tot de lengte van het gehele DataFrame plus 1.

Deze array wordt vervolgens gebruikt als index van het DataFrame.

Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.

Voorbeeld: indexeer de rijen van het Pandas DataFrame opnieuw, beginnend bij 1

Stel dat we het volgende panda’s DataFrame hebben dat informatie bevat over verschillende basketbalspelers:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
                   ' points ': [18, 22, 19, 14, 14, 11, 20, 28],
                   ' assists ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]})
                   
#view DataFrame
print (df)

  team points assists rebounds
0 A 18 5 11
1 B 22 7 8
2 C 19 7 10
3 D 14 9 6
4 E 14 12 6
5 F 11 9 5
6 G 20 9 9
7:28 4 12

Merk op dat de index momenteel varieert van 0 tot 7.

Om de waarden van de index naar de kolom opnieuw te indexeren en vanaf 1 te beginnen, kunnen we de volgende syntaxis gebruiken:

 import numpy as np

#reindex values in index to start from 1
df. index = np. arange (1, len (df)+1)

#view updated DataFrame
print (df)

  team points assists rebounds
1 A 18 5 11
2 B 22 7 8
3 C 19 7 10
4 D 14 9 6
5 E 14 12 6
6 F 11 9 5
7 G 20 9 9
8:28 a.m. 4:12

Merk op dat indexwaarden nu beginnen bij 1.

Opmerking #1 : Het voordeel van het gebruik van de functie len() om het aantal rijen in het DataFrame te vinden, is dat we niet hoeven te weten hoeveel rijen er in het DataFrame zijn voordat we de nieuwe array maken. indexwaarden.

Opmerking #2 : U kunt hier de volledige documentatie voor de NumPy arange()- functie vinden.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in panda’s kunt uitvoeren:

Hoe de indexnaam in Pandas te verwijderen
Hoe MultiIndex in Panda’s plat te maken
Hoe u unieke waarden uit de index in Panda’s kunt halen