如何将DataFrame的日期索引转为列并添加常规数字索引？

直接使用pandas内置的reset_index()方法即可完成需求，该方法会自动将当前的行索引转换为普通数据列，同时生成从0开始的连续整数型标准行索引，适配常规的for循环、if条件判断的索引使用习惯。

基础用法 #

# 假设你的DataFrame变量名为df
df = df.reset_index()

执行上述代码后，原日期索引会成为DataFrame的普通列，行索引自动替换为0起始的数字序列。

自定义调整 #

• 若需要给转换后的日期列指定固定列名，pandas 1.5.0及以上版本可以直接传入names参数：

# 转换后日期列列名设置为trade_date
df = df.reset_index(names="trade_date")

• 若使用的pandas版本低于1.5.0，可以在重置索引后手动重命名列：

df = df.reset_index()
df.rename(columns={"index": "trade_date"}, inplace=True)

读取阶段前置处理 #

如果不想每次读入数据后都做索引转换，可以在读取文件时直接关闭自动将日期列设为索引的逻辑：

# 以读取csv文件为例，解析日期列的同时不将其设置为行索引
df = pd.read_csv(
    "你的数据集本地路径.csv",
    parse_dates=["日期列对应的原始列名"],
    index_col=False
)

操作完成后可通过print(df.head())打印前5行验证效果，此时日期列和其他普通列完全一致，可直接通过列名取值，数字索引也支持按行号直接遍历。

内容的提问来源于stack exchange，提问作者Lieke