Python 是否有一个列的重置索引，或者有一种方法将列标题移动到一个内部索引，而将其索引位置作为外部索引？

示例数据帧：

df = pd.DataFrame(np.random.randint(0, 10, size=(10, 4)), columns=list('ABCD'))

有没有办法重置列的索引？或者轻松插入具有列索引位置值的行？我希望索引位置是最外层的索引，而列标题是最内层的索引。

我认为您可以使用或

范围

：

np.random.seed(10)
df = pd.DataFrame(np.random.randint(0,10,size=(10, 4)), columns=list('ABCD'))

df.columns = np.arange(len(df.columns))
#alternatively
#df.columns = range(len(df.columns))
print (df)
   0  1  2  3
0  9  4  0  1
1  9  0  1  8
2  9  0  8  6
3  4  3  0  4
4  6  8  1  8
5  4  1  3  6
6  5  3  9  6
7  9  1  9  4
8  2  6  7  8
9  8  9  2  0

但是丢失了列值

如果需要不带姓名：

df.columns = [np.arange(len(df.columns)), df.columns]
print (df)
   0  1  2  3
   A  B  C  D
0  9  4  0  1
1  9  0  1  8
2  9  0  8  6
3  4  3  0  4
4  6  8  1  8
5  4  1  3  6
6  5  3  9  6
7  9  1  9  4
8  2  6  7  8
9  8  9  2  0

对于名称，请使用：

删除列名

df.columns=pd.RangeIndex（df.columns.size）
df

输出：

01123
#---------------#
0   0   1   3   3
1   2   2   0   2
2   2   1   3   1
3   2   1   0   0

将列名删除一行
可能存在性能问题和副作用，请参阅下面的讨论

df.T.reset_索引（drop=True）.T

输出：

01123
#---------------#
0   0   1   3   3
1   2   2   0   2
2   2   1   3   1
3   2   1   0   0

实时列名作为行一行
同样的问题，见下面的讨论

df.T.reset_index（）.T

输出：

01123
#-------------------#
索引A B C D
0    0   1   3   3
1    2   2   0   2
2    2   1   3   1
3    2   1   0   0

实时列名为行
有效途径

#异构数据帧创建
df=pd.DataFrame（np.random.randint（0,4，size=（4,3）），columns=list（'789'））.join(
数据帧（列表（'bcde'），列=['A']））
df.index.name='4'
#将列另存为行，然后重新索引列名
df=df.append（pd.Series（df.columns，name=df.index.name，index=df.columns），）
df.columns=pd.RangeIndex（df.columns.size）
打印（df）
打印（df.info（））

输出：NB您需要额外的努力来防止所有数据的升级

01123
#-----------#
4.
0232B
110 2 c
2 3 1 3 d
3 3 2 e
4789A
索引：5个条目，0到4
数据列（共4列）：
0 5非空对象
1.5非空对象
2.5非空对象
3.5非空对象
数据类型：对象（4）

将第二列索引添加一行
可能存在性能问题和副作用，请参阅下面的讨论

df.T.set\u索引（pd.RangeIndex（df.columns.size），append=True）.T

输出：

A B C D
0   1   2   3
#---------------#
0   0   1   3   3
1   2   2   0   2
2   2   1   3   1
3   2   1   0   0

---

单线批评法 性能问题：
对于大型数据集来说，双

T

的成本可能是不可接受的，但在简单的情况下，返回数据帧副本的一行可能有用。见测试结果

[294]中的

：对于范围（3,7）中的i：
…：df=pd.DataFrame（np.random.randint（0,9，size=（10**i，10**3）））
…：打印（'shape:'，df.shape）
…：%timeit df.T.reset_索引（drop=True）
...: 
形状：（10001000）
100个回路，最好为3:3.2 ms/回路
形状：（10000，1000）
10个回路，最佳3个：每个回路29.3毫秒
形状：（100000，1000）
1个循环，最佳3:546毫秒/循环
形状：（10000000）
1圈，最佳3圈：每圈9.9秒
在[295]中：%timeit df.columns=pd.RangeIndex（df.columns.size）
最慢的跑步比最快的跑长28.60倍。这可能意味着正在缓存中间结果。
100000个回路，最佳3个：每个回路7.74µs

副作用（向上投射）：
异构数据帧将被上传

[352]中的

：df=pd.DataFrame（np.random.randint（0,4，size=（4,3）），columns=list（'789'）。join(
…：pd.DataFrame（列表（'bcde'），列=['A']））
在[353]：df.info（）中
范围索引：4个条目，0到3
数据列（共4列）：
7.4非空int64
8.4非空int64
9.4非空int64
4非空对象
数据类型：int64（3），对象（1）
内存使用：208.0+字节

.T.T向上投射

[354]中的

：df.T.T.info（）
范围索引：4个条目，0到3
数据列（共4列）：
7.4非空对象
8.4非空对象
9.4非空对象
4非空对象
数据类型：对象（4）
内存使用：208.0+字节

---

---

当我试图设置_索引（“库存编号”）时，我遇到了关键错误，你知道我该如何回避这个事实吗？我可能需要回顾一下在使用多索引时如何设置索引，但我会问。可能列名中有一些空格，请通过print df.columns.tolist（）检查，并通过df.columns=df.columns.str.strip（）删除。它应该很慢，因为双重转置，您认为呢？在大多数情况下，它足够快。顺便说一句，我不确定熊猫是否会对数据执行任何操作。我会检查。谢谢，请尝试测试

1k行x 1k列

。数据帧通过将不同的数据类型分组来存储异构数据。在进行转置时，pandas必须向上转换行的数据类型。这会导致不必要的副作用，因为如果原始df有一列字符串和其他数字列，则其转置的转置将具有所有对象数据类型。在再次手动将数字转换为数字之前，您将无法执行数字操作。

names = ['a','b']
df.columns = pd.MultiIndex.from_arrays([np.arange(len(df.columns)), df.columns], names=names)
print (df)
a  0  1  2  3
b  A  B  C  D
0  9  4  0  1
1  9  0  1  8
2  9  0  8  6
3  4  3  0  4
4  6  8  1  8
5  4  1  3  6
6  5  3  9  6
7  9  1  9  4
8  2  6  7  8
9  8  9  2  0