Pandas中reset_index()函数功能、工作原理及应用疑问解答

先从你的代码场景说起：当你执行teacher.groupby('teacher_id')['subject_id'].nunique()后，得到的并不是标准的DataFrame，而是一个Series——分组用的teacher_id会变成这个Series的索引，唯一科目数量则是Series的值。举个实际例子：

假设你的teacher表数据是这样的：

执行分组聚合后得到的Series长这样：

teacher_id
1    2
2    1
Name: subject_id, dtype: int64

这时候如果直接对这个Series调用rename(columns={'subject_id': 'cnt'})，程序必然报错——因为Series没有columns属性，它只有一个name属性（这里是subject_id），根本没法按列名去修改。

而reset_index()的核心作用，就是把这个“非常规”的Series转成标准DataFrame：

• 它会把原来作为索引的teacher_id转化为DataFrame的一列
• 同时生成一个新的默认整数索引（从0开始）
• 原来的Series值会保留为一列，列名沿用原来的Series name（也就是subject_id）

上面的例子经过reset_index()处理后，会变成这样的DataFrame：

这时候你再调用rename(columns={'subject_id': 'cnt'})就完全没问题了，因为现在是标准的DataFrame结构，有明确的列可以修改。

总结reset_index()的通用功能 #

• 把对象的索引转换为普通数据列，让索引不再是特殊的“行标签”，而是和其他数据一样的列内容
• 重置行索引为默认的整数序列（0,1,2...）
• 常用于分组聚合后、或者手动设置过索引的场景，把数据恢复成更易操作的标准DataFrame格式

另外提两个常用参数：

• drop=True：如果设置为True，会直接丢弃原来的索引，不把它转成列，只生成新的整数索引
• inplace=True：直接修改原对象，不需要重新赋值（比如df.reset_index(inplace=True)就不用写成df = df.reset_index()）

内容的提问来源于stack exchange，提问作者James Titus