何時使用熊貓中的自定義索引而不是普通列

Question

在熊貓中，您可以使用set_index()替換默認的基於整數的索引與由任意數量的列組成的索引。

什麼使我困惑，但是，當你想這樣做。無論系列是列還是索引的一部分，都可以使用列的boolean indexing或行的xs()來過濾系列中的值。您可以使用sort_values()或sort_index()對列或索引進行排序。

我遇到的唯一真正的區別是索引在存在重複值時會出現問題，所以使用索引似乎更具限制性（如果有的話）。

爲什麼然後，我想將我的列轉換爲Pandas中的索引？

Answer 1

在我看來，自定義索引很適合快速選擇數據。

他們還用於mapping對準數據，aritmetic operations其中索引用於數據對齊，joining數據，並用於獲得最小或maximal rows每組有用。

DatetimeIndex很適合partial string indexing，對於resampling。

但是你是對的，重複索引是有問題的，特別是對於reindexing。

Docs：

• 標識數據使用已知的指標，以供分析，可視化和交互控制檯顯示重要
• 啓用自動和顯式數據對準
• 允許直觀的獲得（即提供元數據）並設置數據集的子集

你也可以檢查Modern pandas - Indexes，direct link。

Answer 2

從0.20.2開始，一些方法（如.unstack()）僅適用於索引。

自定義索引，特別是按時間索引可能特別方便。除了需要DateTimeIndex的任何時間間隔（後者使用.groupby()和pd.TimeGrouper()完成）之外的重新採樣和聚合之外，您可以在列上調用.plot()方法，例如， df['column'].plot()並立即獲得時間序列圖。

雖然最有用，但它是對齊的：例如，假設你有兩組數據需要添加;它們被標記爲一致，但按不同的順序排序。如果您將其標籤設置爲其數據框的索引，則可以簡單地將數據框添加到一起，而不用擔心數據的排序。