Pandas dataframe中的第一列不是列？

我有一个数据帧：

>>df
               Column1    Column2
   vo1                          
    102        0.023002           0
    301     3571.662104           0
    302     1346.910261           0
    ...

所以有三列？但是：

>>df.dtypes
Column1      float64
Column2      float64
dtype: object

---

那么它是两列？第一个（

vo

）叫什么？我想将其用于合并，但当我这样做时，我收到一个错误，即没有名为

vo

的列，它被称为

索引

，请通过以下方式进行检查：

print (df.index)
Int64Index([102, 301, 302], dtype='int64', name='vo_11')

同时检查：

熊猫对象中的轴标签信息有多种用途：

-使用已知指标识别数据（即提供元数据），这对于分析、可视化和交互式控制台显示非常重要
-启用自动和显式数据对齐
-允许直观地获取和设置数据集的子集

如果需要通过数据帧和数据帧的索引：

df = pd.merge(df1, df2, left_index=True, right_index=True)

或使用：

注意:

为了匹配相同类型的索引，需要使用

int

或

object

（显然

string

）

样本：

df1 = pd.DataFrame({
'Column1': {302: 10, 301: 21, 102: 2}, 
'Column2': {302: 0, 301: 0, 102: 0}})
print (df1)
    Column1  Column2
102        2        0
301       21        0
302       10        0

df2 = pd.DataFrame({
'Column1': {302: 4, 301: 5, 304: 6}, 
'Column2': {302: 0, 301: 0, 304: 0}})
print (df2)
     Column1  Column2
301        5        0
302        4        0
304        6        0

---

---

它被称为索引。您可以通过调用

dfimp.reset\u index（inplace=True）

为其分配一个新列（从而创建一个新的单调索引）。如果您想丢失旧索引而只获取新的单调索引，请将`drop=True）传递到reset index函数中。

df1 = pd.DataFrame({
'Column1': {302: 10, 301: 21, 102: 2}, 
'Column2': {302: 0, 301: 0, 102: 0}})
print (df1)
    Column1  Column2
102        2        0
301       21        0
302       10        0

df2 = pd.DataFrame({
'Column1': {302: 4, 301: 5, 304: 6}, 
'Column2': {302: 0, 301: 0, 304: 0}})
print (df2)
     Column1  Column2
301        5        0
302        4        0
304        6        0

df = pd.merge(df1, df2, left_index=True, right_index=True)
print (df)
     Column1_x  Column2_x  Column1_y  Column2_y
301         21          0          5          0
302         10          0          4          0

df = pd.merge(df1, df2, left_index=True, right_index=True, how='outer')
print (df)
     Column1_x  Column2_x  Column1_y  Column2_y
102        2.0        0.0        NaN        NaN
301       21.0        0.0        5.0        0.0
302       10.0        0.0        4.0        0.0
304        NaN        NaN        6.0        0.0

df = pd.concat([df1, df2], axis=1) 
print (df)
     Column1  Column2  Column1  Column2
102      2.0      0.0      NaN      NaN
301     21.0      0.0      5.0      0.0
302     10.0      0.0      4.0      0.0
304      NaN      NaN      6.0      0.0

df = pd.concat([df1, df2], axis=1, join='inner') 
print (df)
     Column1  Column2  Column1  Column2
301       21        0        5        0
302       10        0        4        0