Python 数据帧的起始索引为1

在将熊猫数据帧写入CSV时，我需要索引从1开始，而不是从0开始

下面是一个例子：

In [1]: import pandas as pd

In [2]: result = pd.DataFrame({'Count': [83, 19, 20]})

In [3]: result.to_csv('result.csv', index_label='Event_id')                               

将生成以下输出：

In [4]: !cat result.csv
Event_id,Count
0,83
1,19
2,20

但我想要的结果是：

In [5]: !cat result2.csv
Event_id,Count
1,83
2,19
3,20

---

我意识到这可以通过在我的数据帧中添加一列移位为1的整数序列来实现，但我对Pandas还不熟悉，我想知道是否存在更干净的方法。

只需在写入CSV之前设置索引即可

df.index = np.arange(1, len(df))

---

然后正常写入。

索引是一个对象，默认索引从

0

开始：

>>> result.index
Int64Index([0, 1, 2], dtype=int64)

您可以使用将此索引移动

1

>>> result.index += 1 
>>> result.index
Int64Index([1, 2, 3], dtype=int64)

资料来源：

工作示例：

import pandas as pdas
dframe = pdas.read_csv(open(input_file))
dframe.index = dframe.index + 1

---

一行中的另一种方式：

df.shift()[1:]

这对我有用

 df.index = np.arange(1, len(df)+1)

您可以使用这个：

import pandas as pd

result = pd.DataFrame({'Count': [83, 19, 20]})
result.index += 1
print(result)

或者这个，通过得到

numpy

库的帮助，如下所示：

import pandas as pd
import numpy as np

result = pd.DataFrame({'Count': [83, 19, 20]})
result.index = np.arange(1, len(result)+1)
print(result)

---

np.arange

将创建一个numpy数组，并在给定的间隔内返回值，该间隔为

（1，len（result）+1）

，最后您将该数组分配给

结果。索引
从原始答案中分叉，给出一些美分：


如果我没有弄错的话，从版本0.23开始，索引对象是
RangeIndex
type

从：

RangeIndex
是
Int64Index
的一种节省内存的特例，仅限于表示单调范围。在某些情况下，使用
范围索引可以提高计算速度

在索引范围很大的情况下，使用索引的表示形式而不是一次定义整个索引（节省内存）是有意义的

因此，举一个例子（使用Series，但也适用于DataFrame）：

>>将熊猫作为pd导入
>>> 
>>>国家=[‘中国’、‘印度’、‘美国’]
>>>ds=pd.系列（国家）
>>> 
>>>
>>>类型（ds.index）
>>>ds索引
范围索引（开始=0，停止=3，步骤=1）
>>> 
>>>ds.index+=1
>>> 
>>>ds索引
范围索引（开始=1，停止=4，步骤=1）
>>> 
>>>ds
1中国
2印度
3美国
数据类型：对象
>>> 

如您所见，
索引
对象的增量会更改
开始
和
停止
参数。
使用此选项

df.index = np.arange(1, len(df)+1)

在我看来，最好的办法是用

我更喜欢这样，因为您可以在一行中为索引定义范围和一个可能的
步骤
和一个
名称
。
它会以某种方式更改索引名称-因此正确的命名顺序是：df.index+=1；df.index.name='name'其中np是这样导入的：import numpy as npit应该是df.index=arange（1，len（df）+1）有效方式：df.index=range（1，df.shape[0]+1）这会删除最后一行。
df.index = np.arange(1, len(df)+1)

import pandas as pd

result = pd.DataFrame({'Count': [83, 19, 20]}, 
                      index=pd.RangeIndex(start=1, stop=4, name='index')
                     )
>>> result
       Count
index       
1         83
2         19
3         20