python - 为已被 set_index() 更改的数据帧提供正常索引

Question

我有一个如下所示的数据框:

    Priority    RID_solve   Prob    RID_prob    Remarks
0      1          5001      34.4%     5040     Caution: FIDs are different
1      1          5001      38.5%     5057     Caution: FIDs are different
2      1          5001      3.3%      5056     Caution: FIDs are different
3      2          5002      74.0%     5057     Caution: FIDs are different
4      2          5002      87.6%     5056     Caution: FIDs are different
5      3          5003      89.4%     5056     Same FID
6      3          5003      89.4%     5056     Caution: FIDs are different

然后我使用 set_index() 对相似的 Priority 和 RID_solve 数据进行分组，以便删除重复项。这是我写的代码:

df1 = df.set_index(['Priority', 'RID_solve', 'Prob', 'RID_prob', 'Remarks']).sort_values(by=['Priority'], ascending = True)

它给出了这样的数据:

这就是我想要的。但我还需要以 0 开头的普通索引。到目前为止，我无法弄清楚如何获得它。我试过 reset_index() 但这只会将我的数据改回原来的形式。

有没有办法既保持上述格式完整又能获取索引？

Answer 1

Then I use set_index() to group the similar Priority and RID_solve data so that the repetition could be removed.

不，你错了。重复不会被删除，只是不会显示，所以你必须决定是否需要 MulitIndex 或默认 RangeIndex。

你可以检查一下:

df = pd.DataFrame({
        'A':list('abcdef'),
         'B':[4,5,4,5,5,4],
         'C':[1] * 6,
         'F':list('aaabbb')
})

df = df.set_index(['C','B', 'A'])
print (df)
       F
C B A   
1 4 a  a
  5 b  a
  4 c  a
  5 d  b
    e  b
  4 f  b

with pd.option_context('display.multi_sparse', False):
    print (df)
       F
C B A   
1 4 a  a
1 5 b  a
1 4 c  a
1 5 d  b
1 5 e  b
1 4 f  b

编辑:

如有必要，您可以用缺失值替换重复值:

df = pd.DataFrame({
         'A':[1] * 6,
         'B':[4,5,4,5,5,4],
         'C':list('abcdef'),
         'F':list('aaabbb')
})

cols = ['A','B', 'C']
m = df[cols].apply(lambda x: x.duplicated())


df[cols]= df[cols].mask(m, '')
print (df)
   A  B  C  F
0  1  4  a  a
1     5  b  a
2        c  a
3        d  b
4        e  b
5        f  b

但如果重复的不在第一列，只在第二列或更多列，则得到:

df = pd.DataFrame({
        'A':list('abcdef'),
         'B':[4,5,4,5,5,4],
         'C':[1] * 6,
         'F':list('aaabbb')
})


cols = ['A','B', 'C']
m = df[cols].apply(lambda x: x.duplicated())


df[cols]= df[cols].mask(m, '')
print (df)

   A  B  C  F
0  a  4  1  a
1  b  5     a
2  c        a
3  d        b
4  e        b
5  f        b