如何在Pandas中重新索引指定列？及修改Series指定索引值

咱们一个一个来解决你的问题哈～

在Pandas里调整列的顺序（也就是重新索引列）其实挺简单的，常用两种方法：

• 直接指定列顺序
  如果你已经明确知道想要的列排列顺序，直接把列名列表传给DataFrame就行，比如：

  # 假设你的DataFrame是df，想要把列顺序改成['col2', 'col1', 'col3']
  df = df[['col2', 'col1', 'col3']]
  

• 用reindex()方法
  这个方法更灵活，还能处理缺失列（会自动填充NaN），适合需要严格匹配指定列的场景：

  # 定义你想要的列顺序
  desired_columns = ['col2', 'col1', 'col3']
  df = df.reindex(columns=desired_columns)
  

  要是想保留原DataFrame里不在目标列列表中的列，还能加额外参数，但一般直接指定顺序就够用啦。

先确认下：你给出的输出确实是Series（subID是索引，下面对应数值，完全符合Series的结构）。要把最后一个索引1018改成13，有两种简单方法：

方法一：直接替换索引值（推荐） #

用replace()方法一步到位，不用找位置，非常直观：

# 假设你的Series是gd
gd.index = gd.index.replace(1018, 13)

方法二：转成列表修改后重新赋值 #

如果你想更清晰地看到修改过程，可以先把索引转成列表，修改对应位置后再赋值回去：

# 把索引转成列表
index_list = gd.index.tolist()
# 找到1018在列表中的位置
pos = index_list.index(1018)
# 修改该位置的值为13
index_list[pos] = 13
# 重新设置Series的索引
gd.index = index_list

现在再打印gd，就能看到最后一个索引已经变成13啦：

subID
4 0.810423
5 0.841364
6 0.881007
8 0.763175
9 0.760102
10 0.905283
12 0.928358
14 0.779291
15 0.912377
13 0.926683
dtype: float64

内容的提问来源于stack exchange，提问作者Emin Baybars Timur