pandas将DataFrame的列变成行索引

pandas提供了set_index方法可以将DataFrame的列（多列）变成行索引，通过reset_index方法可以将层次化索引的级别会被转移到列里面。

1、DataFrame的set_index方法

    data = pd.DataFrame(np.arange(,).reshape(,),index=["a","b","c"],columns=["A","B","C"])

    print(data)

    '''

       A  B  C

    a      

    b      

    c      

    '''

    #将列索引为B的列变成data的行索引

    print(data.set_index("B"))

    '''

      A  C

    B

    '''

    #获取行索引

    print(data.set_index("B").index)

    #Int64Index([, , ], dtype='int64', name='B')

    #获取列索引

    print(data.set_index("B").columns)

    #Index(['A', 'C'], dtype='object')

    #将列索引为A和C的列变成行索引，层次化索引

    print(data.set_index(["A","C"]))

    '''

         B

    A C

    '''

2、DataFrame的reset_index方法

data = pd.DataFrame(np.arange(,).reshape(,),index=["a","b","c"],columns=["A","B","C"])

    print(data)

    '''

       A  B  C

    a      

    b      

    c      

    '''

    print(data.set_index(["C"]))

    '''

       A  B

    C

    '''

    #相对于data来说行索引从原来的a、b、c变成了0、、

    #在使用set_index方法的时候行索引就已经被修改了

    print(data.set_index(["C"]).reset_index())

    '''

       C  A  B

    '''

    print(data.index)

    #Index(['a', 'b', 'c'], dtype='object')

    print(data.set_index(["C"]).reset_index().index)

    #RangeIndex(start=, stop=, step=)

    print(data.set_index(["C"]).reset_index().columns)

    #Index(['C', 'A', 'B'], dtype='object')

参考：https://blog.csdn.net/sinat_29957455/article/details/79038658