【Pandas】pandas DataFrame reset_index

Pandas2.2 DataFrame

Reindexing selection label manipulation

方法	描述
DataFrame.add_prefix(prefix[, axis])	用于在 DataFrame 的行标签或列标签前添加指定前缀的方法
DataFrame.add_suffix(suffix[, axis])	用于在 DataFrame 的行标签或列标签后添加指定后缀的方法
DataFrame.align(other[, join, axis, level, …])	用于对齐两个 DataFrame 或 Series 的方法
DataFrame.at_time(time[, asof, axis])	用于筛选 特定时间点 的行的方法
DataFrame.between_time(start_time, end_time)	用于筛选 指定时间范围内的数据行 的方法
DataFrame.drop([labels, axis, index, …])	用于从 DataFrame 中删除指定行或列的方法
DataFrame.drop_duplicates([subset, keep, …])	用于删除重复行的方法
DataFrame.duplicated([subset, keep])	用于检测 重复行 的方法
DataFrame.equals(other)	用于比较两个 DataFrame 是否完全相等的方法
DataFrame.filter([items, like, regex, axis])	用于筛选列或行标签的方法
DataFrame.first(offset)	用于选取 时间序列型 DataFrame 中从起始时间开始的一段连续时间窗口 的方法
DataFrame.head([n])	用于快速查看 DataFrame 前几行数据 的方法
DataFrame.idxmax([axis, skipna, numeric_only])	用于查找 每列或每行中最大值的索引标签 的方法
DataFrame.idxmin([axis, skipna, numeric_only])	用于查找 每列或每行中最小值的索引标签 的方法
DataFrame.last(offset)	用于选取 时间序列型 DataFrame 中从最后时间点开始向前截取一段指定长度的时间窗口 的方法
DataFrame.reindex([labels, index, columns, …])	用于重新索引 DataFrame 的核心方法
DataFrame.reindex_like(other[, method, …])	用于将当前 DataFrame 的索引和列重新设置为与另一个对象（如另一个 DataFrame 或 Series）相同
DataFrame.rename([mapper, index, columns, …])	用于重命名 DataFrame 的行索引标签或列名的方法
DataFrame.rename_axis([mapper, index, …])	用于**重命名 DataFrame 的索引轴名称（index axis name）或列轴名称（column axis name）**的方法
DataFrame.reset_index([level, drop, …])	用于将 DataFrame 的索引（index）重置为默认整数索引，并将原索引作为列添加回 DataFrame 中的方法

pandas.DataFrame.reset_index()

pandas.DataFrame.reset_index() 是一个用于将 DataFrame 的索引（index）重置为默认整数索引，并将原索引作为列添加回 DataFrame 中的方法。它常用于处理具有自定义索引的 DataFrame，使其恢复为标准的从 0 开始的整数索引。

---

📌 方法签名

DataFrame.reset_index(level=None, *, drop=False, inplace=False, col_level=0, col_fill='', allow_duplicates=<no_default>, names=None)

---

🔧 参数说明

参数	类型	说明
level	int、str 或 list，默认 None	指定要重置的索引层级（适用于 MultiIndex）
drop	bool，默认 False	是否丢弃原索引而不将其作为列加入结果中
inplace	bool，默认 False	是否在原对象上修改
col_level	int 或 str，默认 0	在多级列的情况下，指定新索引列插入到哪一级
col_fill	str，默认 ‘’	在多级列时，用于填充未使用的层级名称
names	str 或 list，默认 None	设置新列的名称（如果原索引有名称则自动使用）
allow_duplicates	bool，默认 False	是否允许列名重复（仅在设置 names 时有效）

---

✅ 返回值

• 返回一个新的 DataFrame，其索引被重置为从 0 开始的整数索引；
• 若 drop=True，则原始索引不会作为列保留；
• 若 inplace=True，则直接修改原对象并返回 None。

---

🧪 示例代码及结果

示例 1：基本用法 - 重置普通索引

import pandas as pddf = pd.DataFrame({'A': [1, 2, 3],'B': [4, 5, 6]
}, index=['x', 'y', 'z'])print("Original DataFrame:")
print(df)# 重置索引
df_reset = df.reset_index()print("\nAfter reset_index():")
print(df_reset)

输出结果：

Original DataFrame:A  B
x  1  4
y  2  5
z  3  6After reset_index():index  A  B
0     x  1  4
1     y  2  5
2     z  3  6

原索引 'x', 'y', 'z' 被转换为一列名为 'index' 的列。

---

示例 2：不保留原索引（drop=True）

df_reset_drop = df.reset_index(drop=True)
print("\nAfter reset_index(drop=True):")
print(df_reset_drop)

输出结果：

After reset_index(drop=True):A  B
0  1  4
1  2  5
2  3  6

原索引被完全丢弃，不再作为列出现。

---

示例 3：自定义新列名（names 参数）

df_reset_named = df.reset_index(names='old_index')
print("\nAfter reset_index(names='old_index'):")
print(df_reset_named)

输出结果：

After reset_index(names='old_index'):old_index  A  B
0         x  1  4
1         y  2  5
2         z  3  6

使用 names 自定义了原索引列的列名。

---

示例 4：多级索引重置（MultiIndex）

# 创建多级索引 DataFrame
index = pd.MultiIndex.from_tuples([('a', 1), ('a', 2), ('b', 1)], names=['group', 'id'])
df_multi = pd.DataFrame({'value': [10, 20, 30]}, index=index)print("Original MultiIndex DataFrame:")
print(df_multi)# 重置所有索引
df_reset_multi = df_multi.reset_index()
print("\nAfter reset_index() on MultiIndex:")
print(df_reset_multi)

输出结果：

Original MultiIndex DataFrame:value
group id          
a     1           102           20
b     1           30After reset_index() on MultiIndex:group  id  value
0     a     1     10
1     a     2     20
2     b     1     30

多级索引被展开为多个列。

---

示例 5：只重置某一层索引（level 参数）

# 只重置第一层索引（group）
df_reset_level = df_multi.reset_index(level='group')
print("\nAfter reset_index(level='group'):")
print(df_reset_level)

输出结果：

After reset_index(level='group'):group  value
id             
1      a     10
2      a     20
1      b     30

只重置了 'group' 层，保留 'id' 作为索引。

---

示例 6：重置索引并重命名列名（names + level）

# 重置所有索引并命名新列
df_reset_names = df_multi.reset_index(names=['category', 'identifier'])
print("\nAfter reset_index(names=['category', 'identifier']):")
print(df_reset_names)

输出结果：

After reset_index(names=['category', 'identifier']):category  identifier  value
0         a           1     10
1         a           2     20
2         b           1     30

使用 names 给多级索引列分别命名。

---

示例 7：与 drop=True 结合使用

# 重置索引但不保留原索引列
df_reset_drop = df.reset_index(drop=True)
print("\nAfter reset_index(drop=True):")
print(df_reset_drop)

输出结果：

After reset_index(drop=True):A  B
0  1  4
1  2  5
2  3  6

---

🧠 应用场景

• 数据清洗：将非连续或非数字索引转换为标准整数索引；
• 模型输入准备：确保索引是标准整数，便于后续处理；
• 导出数据前处理：避免索引丢失或无法写入文件；
• 合并多个 DataFrame：统一索引结构；
• 可视化和展示：标准化输出格式，方便查看和分析。

---

⚠️ 注意事项

• 默认会将原索引作为列加入新的 DataFrame；
• 如果是 MultiIndex，可以控制只重置某一层；
• 使用 drop=True 可避免新增索引列；
• 支持通过 names 自定义列名；
• 不会修改原始数据内容，除非设置 inplace=True；
• 对于大型数据集非常安全且高效，适合链式调用。