Pandas DataFrame 的起始索引为 1

Posted 2023-02-23

【中文标题】Pandas DataFrame 的起始索引为 1

【英文标题】：start index at 1 for Pandas DataFrame

【发布时间】：2013-12-08 16:40:51

【问题描述】：

在将 Pandas DataFrame 写入 CSV 时，我需要索引从 1 而不是 0 开始。

这是一个例子：

In [1]: import pandas as pd

In [2]: result = pd.DataFrame('Count': [83, 19, 20])

In [3]: result.to_csv('result.csv', index_label='Event_id')                               

产生以下输出：

In [4]: !cat result.csv
Event_id,Count
0,83
1,19
2,20

但我想要的输出是这样的：

In [5]: !cat result2.csv
Event_id,Count
1,83
2,19
3,20

我意识到这可以通过将移位 1 的整数序列作为一列添加到我的数据框中来完成，但我是 Pandas 的新手，我想知道是否存在更简洁的方法。

【参考方案1】：

在写入 CSV 之前设置索引。

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

然后正常写。

【讨论】：

其中 np 是这样导入的：import numpy as np

应该是 df.index = arange( 1, len(df) + 1)

高效方式：df.index = range(1, df.shape[0] + 1)

【参考方案2】：

索引是一个对象，默认索引从0开始：

>>> result.index
Int64Index([0, 1, 2], dtype=int64)

您可以通过1 移动此索引

>>> result.index += 1 
>>> result.index
Int64Index([1, 2, 3], dtype=int64)

【讨论】：

它以某种方式改变了索引名称 - 所以正确的命名顺序是：df.index+=1;df.index.name='name'

【参考方案3】：

来源：In Python pandas, start row index from 1 instead of zero without creating additional column

工作示例：

import pandas as pdas
dframe = pdas.read_csv(open(input_file))
dframe.index = dframe.index + 1

【参考方案4】：

一行中的另一种方式：

df.shift()[1:]

【讨论】：

这会删除最后一行。

【参考方案5】：

这对我有用

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

【参考方案6】：

你可以用这个：

import pandas as pd

result = pd.DataFrame('Count': [83, 19, 20])
result.index += 1
print(result)

或者这个，通过像这样获得numpy库的帮助：

import pandas as pd
import numpy as np

result = pd.DataFrame('Count': [83, 19, 20])
result.index = np.arange(1, len(result)+1)
print(result)

np.arange 将创建一个 numpy 数组并在给定的间隔内返回值，即(1, len(result)+1)，最后您将该数组分配给result.index。

【参考方案7】：

从原始答案中分叉，给一些美分：

如果我没记错的话，从0.23版本开始，索引对象是RangeIndex类型

来自official doc：

RangeIndex 是Int64Index 的一种节省内存的特殊情况，仅限于表示单调范围。在某些情况下，使用RangeIndex 可能会提高计算速度。

在索引范围很大的情况下，使用索引的表示而不是一次定义整个索引（节省内存）是有意义的。

因此，举个例子（使用Series，但也适用于DataFrame）：

>>> import pandas as pd
>>> 
>>> countries = ['China', 'India', 'USA']
>>> ds = pd.Series(countries)
>>> 
>>>
>>> type(ds.index)
<class 'pandas.core.indexes.range.RangeIndex'>
>>> ds.index
RangeIndex(start=0, stop=3, step=1)
>>> 
>>> ds.index += 1
>>> 
>>> ds.index
RangeIndex(start=1, stop=4, step=1)
>>> 
>>> ds
1    China
2    India
3      USA
dtype: object
>>> 

如您所见，index 对象的增量改变了start 和stop 参数。

【参考方案8】：

使用这个

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

【参考方案9】：

在我看来，最好的办法是使用RangeIndex 设置索引

import pandas as pd

result = pd.DataFrame('Count': [83, 19, 20], 
                      index=pd.RangeIndex(start=1, stop=4, name='index')
                     )
>>> result
       Count
index       
1         83
2         19
3         20

我更喜欢这个，因为您可以在一行中为索引定义范围和可能的step 和name。

【参考方案10】：

这会添加一个完成您想要的列

df.insert(0,"Column Name", np.arange(1,len(df)+1))