pandas.Index#

class pandas.Index(data=None, dtype=None, copy=False, name=None, tupleize_cols=True, **kwargs)[源代码]#

用于索引和比对的不变序列。存储所有Pandas对象的轴标签的基本对象。

参数

data类数组(一维)
dtypeNumPy数据类型(默认：对象): 如果dtype为NONE，我们将找到最适合数据的数据类型。如果提供了实际的数据类型，如果它是安全的，我们就强制使用该数据类型。否则，将引发错误。
copy布尔尔: 复制一份输入ndarray。
name对象: 要存储在索引中的名称。
tupleize_cols布尔值(默认值：TRUE): 如果为True，则在可能的情况下尝试创建多索引。

参见

RangeIndex: 实现单调整数范围的索引。
CategoricalIndex: 的索引 Categorical s.
MultiIndex: 多级别或分层索引。
IntervalIndex: 一项索引 Interval s.
DatetimeIndex: DateTime64数据的索引。
TimedeltaIndex: 时间增量64数据的索引。
PeriodIndex: 期间数据的索引。
NumericIndex: 数字整型/uint/浮点型数据的索引。
Int64Index: 纯int64标签的索引(已弃用)。
UInt64Index: 纯uint64标签的索引(已弃用)。
Float64Index: 纯浮动64标签的索引(已弃用)。

注意事项

Index实例可以 only 包含可哈希的对象

示例

>>> pd.Index([1, 2, 3])
Int64Index([1, 2, 3], dtype='int64')

>>> pd.Index(list('abc'))
Index(['a', 'b', 'c'], dtype='object')

属性

`T`	返回转置，根据定义，转置是self。
`array`	支持此系列或索引的数据的扩展数组。
`asi8`	值的整数表示形式。
`dtype`	返回底层数据的dtype对象。
`has_duplicates`	检查索引是否具有重复值。
`hasnans`	如果有任何NAN，则返回True。
`inferred_type`	返回从这些值推断出的类型的字符串。
`is_all_dates`	索引值是否仅由日期组成。
`is_monotonic`	别名是单调递增的。
`is_monotonic_decreasing`	如果索引是单调递减(仅等于或递减)值，则返回。
`is_monotonic_increasing`	如果索引是单调递增(仅等于或递增)值，则返回。
`is_unique`	如果索引具有唯一值，则返回。
`name`	返回索引或多索引名称。
`nbytes`	返回基础数据中的字节数。
`ndim`	根据定义1，基础数据的维度数。
`nlevels`	级别数。
`shape`	返回基础数据的形状的元组。
`size`	返回基础数据中的元素数。
`values`	返回表示Index中数据的数组。

empty
names

方法：

`all` \(args, *kwargs)	返回是否所有元素都为真。
`any` \(args, *kwargs)	返回是否有任何元素为Truthy。
`append` \(其他)	将索引选项集合追加在一起。
`argmax` \([axis, skipna] )	返回序列中最大值的整型位置。
`argmin` \([axis, skipna] )	返回序列中最小值的int位置。
`argsort` \(args, *kwargs)	返回对索引进行排序的整数索引。
`asof` \(标签)	返回索引中的标签，如果不存在，则返回前一个标签。
`asof_locs` \(其中，掩码)	返回标签在索引中的位置(索引)。
`astype` \(dtype[, copy] )	使用转换为dtype的值创建索引。
`copy` \([name, deep, dtype, names] )	复制此对象。
`delete` \(位置)	创建删除传递位置(-s)的新索引。
`difference` \(其他[, sort] )	返回索引元素不在中的新索引 other 。
`drop` \(标签[, errors] )	创建删除已传递标签列表的新索引。
`drop_duplicates` \([keep] )	返回删除了重复值的索引。
`droplevel` \([level] )	返回删除了请求级别的索引。
`dropna` \([how] )	返回不带NA/NAN值的索引。
`duplicated` \([keep] )	表示重复的索引值。
`equals` \(其他)	确定两个Index对象是否相等。
`factorize` \([sort, na_sentinel] )	将对象编码为枚举类型或类别变量。
`fillna` \([value, downcast] )	使用指定值填充NA/NaN值。
`format` \([name, formatter, na_rep] )	呈现索引的字符串表示形式。
`get_indexer` \(目标[, method, limit, tolerance] )	计算给定当前索引的新索引的索引器和掩码。
`get_indexer_for` \(目标)	即使索引器不是唯一的，也能保证返回。
`get_indexer_non_unique` \(目标)	计算给定当前索引的新索引的索引器和掩码。
`get_level_values` \(级别)	返回请求级别的值的索引。
`get_loc` \(密钥[, method, tolerance] )	获取请求标签的整数位置、切片或布尔掩码。
`get_slice_bound` \(标签、侧面 [, kind] )	计算与给定标签对应的切片界限。
`get_value` \(序列，密钥)	从一维ndarray快速查找数值。
`groupby` \(值)	按给定值数组对索引标签进行分组。
`holds_integer` \()	该类型是否为整型。
`identical` \(其他)	类似于等于，但检查对象属性和类型是否也相等。
`insert` \(位置，项目)	创建新索引在位置插入新项目。
`intersection` \(其他[, sort] )	形成两个Index对象的交集。
`is_` \(其他)	更灵活、更快速的检查，如 `is` 但这是通过视图来实现的。
`is_boolean` \()	检查索引是否只包含布尔值。
`is_categorical` \()	检查索引是否包含分类数据。
`is_floating` \()	检查Index是否为浮点类型。
`is_integer` \()	检查索引是否仅由整数组成。
`is_interval` \()	检查索引是否包含间隔对象。
`is_mixed` \()	检查索引是否包含混合数据类型的数据。
`is_numeric` \()	检查索引是否仅由数字数据组成。
`is_object` \()	检查索引是否为对象数据类型。
`is_type_compatible` \(KIND)	索引类型是否与提供的类型兼容。
`isin` \(值[, level] )	返回索引值所在的布尔数组 values 。
`isna` \()	检测缺少的值。
`isnull` \()	检测缺少的值。
`item` \()	将底层数据的第一个元素作为Python标量返回。
`join` \(其他[, how, level, return_indexers, sort] )	计算JOIN_INDEX和索引器以使数据结构符合新索引。
`map` \(映射器 [, na_action] )	使用输入映射或函数映射值。
`max` \([axis, skipna] )	返回索引的最大值。
`memory_usage` \([deep] )	值的内存使用率。
`min` \([axis, skipna] )	返回索引的最小值。
`notna` \()	检测现有(非缺失)值。
`notnull` \()	检测现有(非缺失)值。
`nunique` \([dropna] )	返回对象中唯一元素的数量。
`putmask` \(掩码，值)	返回使用掩码设置的值的新索引。
`ravel` \([order] )	返回底层数据的平面值的ndarray。
`reindex` \(目标[, method, level, limit, ...] )	使用目标值创建索引。
`rename` \(名称[, inplace] )	更改索引或多索引名称。
`repeat` \(重复[, axis] )	重复索引的元素。
`searchsorted` \(值[, side, sorter] )	查找应插入元素以维持顺序的索引。
`set_names` \(名称[, level, inplace] )	设置索引或多索引名称。
`set_value` \(Arr，Key，Value)	(已弃用)从一维ndarray快速查找值。
`shift` \([periods, freq] )	将索引移位所需的时频增量数。
`slice_indexer` \([start, end, step, kind] )	计算输入标签和步骤的切片索引器。
`slice_locs` \([start, end, step, kind] )	计算输入标签的切片位置。
`sort` \(args, *kwargs)	请改用SORT_VALUES。
`sort_values` \([return_indexer, ascending, ...] )	返回索引的排序副本。
`sortlevel` \([level, ascending, sort_remaining] )	与Index API的内部兼容性。
`str`	:py:class:`pandas.core.strings.accessor.StringMethods`的别名
`symmetric_difference` \(其他[, result_name, sort] )	计算两个Index对象的对称差。
`take` \(索引[, axis, allow_fill, fill_value] )	返回由索引选择的值的新索引。
`to_flat_index` \()	认同法。
`to_frame` \([index, name] )	创建一个DataFrame，其中包含索引的列。
`to_list` \()	返回值列表。
`to_native_types` \([slicer] )	(已弃用)指定的值的格式 self 然后把它们还回去。
`to_numpy` \([dtype, copy, na_value] )	表示此系列或索引中的值的NumPy ndarray。
`to_series` \([index, name] )	创建一个索引和值都等于索引键的Series。
`tolist` \()	返回值列表。
`transpose` \(args, *kwargs)	返回转置，根据定义，转置是self。
`union` \(其他[, sort] )	形成两个Index对象的并集。
`unique` \([level] )	返回索引中的唯一值。
`value_counts` \([normalize, sort, ascending, ...] )	返回包含唯一值计数的系列。
`where` \(条件[, other] )	替换条件为FALSE的值。

view

索引对象

pandas.Index.T