set_index():

函数原型：

DataFrame.set_index(keys, drop=True, append=False, 
inplace=False, verify_integrity=False) 



参数解释：
keys：列标签或数组列表，需要设置为索引的列
drop：默认为True，删除用作新索引的列
append： 默认为False，是否将列附加到现有索引
inplace：默认为False，替换原DataFrame（不要创建新对象）
verify_integrity：默认为False，检查新索引的副本。
否则，请将检查推迟到必要时进行。设置为False将提高该方法的性能。
原数据：

import pandas as pd
import numpy as np
 
data = {'Country':['China','US','Japan','EU','UK/Australia', 'UK/Netherland'],
'Number':[100, 150, 120, 90, 30, 2],
'Value': [1, 2, 3, 4, 5, 6],
'label': list('abcdef')}
 
df = pd.DataFrame(data)
print("df原数据:\n", df, '\n')

out：

df原数据:

          Country  Number  Value label
0          China     100      1     a
1             US     150      2     b
2          Japan     120      3     c
3             EU      90      4     d
4   UK/Australia      30      5     e
5  UK/Netherland       2      6     f

设置'Country','Number'为索引：

df = df.set_index(['Country','Number'])
print(df)

out：

                      Value label
Country       Number             
China         100         1     a
US            150         2     b
Japan         120         3     c
EU            90          4     d
UK/Australia  30          5     e
UK/Netherland 2           6     f

reset_index()：

函数原型：

DataFrame.reset_index(level=None, drop=False, inplace=False, 
col_level=0, col_fill='')



参数解释:
level：int、str、tuple或list，默认无，仅从索引中删除给定级别。
       默认情况下移除所有级别。控制了具体要还原的那个等级的索引 
drop：drop为False则索引列会被还原为普通列，否则会丢失
inplace：默认为false，适当修改DataFrame(不要创建新对象)
col_level：int或str，默认值为0，如果列有多个级别，则确定将标签插入到哪个级别。
           默认情况下，它将插入到第一级。
col_fill：对象，默认‘’，如果列有多个级别，则确定其他级别的命名方式。如果没有，则重复索引名

还原索引列：

df.reset_index(inplace = True)
 out:

         Country  Number  Value label
0          China     100      1     a
1             US     150      2     b
2          Japan     120      3     c
3             EU      90      4     d
4   UK/Australia      30      5     e
5  UK/Netherland       2      6     f

————————————————
版权声明：本文为CSDN博主「soulsoul_god」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/xiadeliang1111/article/details/126852684