Pandas DataFrame中set_index与reset_index方法不生效问题排查

核心原因 #

Pandas里的reset_index()和set_index()默认不会直接修改原DataFrame，而是返回一个修改后的新对象。你只调用了方法但没把结果存回原变量，也没启用原地修改参数，所以原df完全没变化。

解决方法1：重新赋值给原变量 #

把方法返回的新DataFrame赋值给原变量，这样就能更新原数据：

import numpy as np
import pandas as pd
np.random.seed(121) 
randArr =np.random.randint(0,100,20).reshape(5,4) 
df =pd.DataFrame(randArr,np.arange(101,106,1),['PDS','Algo','SE','INS']) 
df.index.name='RollNo'
print(df)
print("")
# 重置索引并赋值回原变量
df = df.reset_index()
print(df)
print("")
# 设置新索引并赋值回原变量
df = df.set_index('PDS')
print(df)
print("")

解决方法2：使用inplace=True原地修改 #

给方法加上inplace=True参数，直接修改原DataFrame，不用额外赋值：

import numpy as np
import pandas as pd
np.random.seed(121) 
randArr =np.random.randint(0,100,20).reshape(5,4) 
df =pd.DataFrame(randArr,np.arange(101,106,1),['PDS','Algo','SE','INS']) 
df.index.name='RollNo'
print(df)
print("")
# 原地重置索引
df.reset_index(inplace=True)
print(df)
print("")
# 原地设置新索引
df.set_index('PDS', inplace=True)
print(df)
print("")

两种方式的区别 #

• 重新赋值：更安全，不会意外修改原数据，适合需要保留初始DataFrame的场景。
• 原地修改：直接操作原对象，节省内存，适合不需要保留原始数据的场景。

内容的提问来源于stack exchange，提问作者Subrata Biswas