何时使用熊猫中的自定义索引而不是普通列

Question

在熊猫中，您可以使用set_index()替换默认的基于整数的索引与由任意数量的列组成的索引。

什么使我困惑，但是，当你想这样做。无论系列是列还是索引的一部分，都可以使用列的boolean indexing或行的xs()来过滤系列中的值。您可以使用sort_values()或sort_index()对列或索引进行排序。

我遇到的唯一真正的区别是索引在存在重复值时会出现问题，所以使用索引似乎更具限制性（如果有的话）。

为什么然后，我想将我的列转换为Pandas中的索引？

Answer 1

在我看来，自定义索引很适合快速选择数据。

他们还用于mapping对准数据，aritmetic operations其中索引用于数据对齐，joining数据，并用于获得最小或maximal rows每组有用。

DatetimeIndex很适合partial string indexing，对于resampling。

但是你是对的，重复索引是有问题的，特别是对于reindexing。

Docs：

• 标识数据使用已知的指标，以供分析，可视化和交互控制台显示重要
• 启用自动和显式数据对准
• 允许直观的获得（即提供元数据）并设置数据集的子集

你也可以检查Modern pandas - Indexes，direct link。

Answer 2

从0.20.2开始，一些方法（如.unstack()）仅适用于索引。

自定义索引，特别是按时间索引可能特别方便。除了需要DateTimeIndex的任何时间间隔（后者使用.groupby()和pd.TimeGrouper()完成）之外的重新采样和聚合之外，您可以在列上调用.plot()方法，例如， df['column'].plot()并立即获得时间序列图。

虽然最有用，但它是对齐的：例如，假设你有两组数据需要添加;它们被标记为一致，但按不同的顺序排序。如果您将其标签设置为其数据框的索引，则可以简单地将数据框添加到一起，而不用担心数据的排序。