在Pandas DataFrame中拥有唯一的索引值

Question

我希望拥有一个唯一的索引值，而不是重复多次相同的值。

例如：我有这个数据框：

test = pd.DataFrame({'id': ['a','a','a','a','b'],
                     'col_1': [1,2,3,4,5],
                     'col_2': [6,7,8,9,10]
                     })

  id  col_1  col_2
0  a  1      6    
1  a  2      7    
2  a  3      8    
3  a  4      9    
4  b  5      10  

我想要实现的目标是将id列作为索引，且不重复。我尝试过以下方法，但是您可以看到，每一行中都重复了索引：

test.set_index('id')

    col_1  col_2
id              
a   1      6    
a   2      7    
a   3      8    
a   4      9    
b   5      10  

我想要实现的是这样的目标（为所有包含4个值的组使用索引'a'等）：

    col_1  col_2
id              
a   1      6    
    2      7    
    3      8    
    4      9    
b   5      10  

你有任何实现这个的想法吗？ 提前谢谢。

- Matias Eiletz

Answer 1

您可以将id列设置为索引。为避免重复的索引条目，还需将该索引设置为结果MultiIndex的第二级。

test.set_index(['id', test.index])

# Out:
      col_1  col_2
id                
a  0      1      6
   1      2      7
   2      3      8
   3      4      9
b  4      5     10

如果您真的不想要非重复的索引级别，只需将id设置为索引即可。但请注意，在这种情况下，pandas显示格式将包括重复项：

test.set_index('id')
# Out: 
    col_1  col_2
id              
a       1      6
a       2      7
a       3      8
a       4      9
b       5     10

test.set_index('id').index.duplicated().any() 也将返回 True，这通常会导致包含重复索引的索引不够优化。

- JE_Muc

Answer 2

如果希望将重复的值替换为''以便显示，但更好的方法是使用重复的索引值，以便后续处理：

df = test.set_index('id')

df1 = df.set_index(df.index.where(~df.index.duplicated(), ''))
print (df1)
    col_1  col_2
id              
a       1      6
        2      7
        3      8
        4      9
b       5     10

- jezrael