Python Pandas：使用DataFrame.set_index时如何保留原索引列

嘿，这个问题我之前也碰到过！当你直接用set_index('age')替换索引时，原索引name确实会被丢弃，不过有几种简单的方法可以让你既设置新索引，又保留原索引作为普通列：

方法一：先重置索引为列，再设置新索引 #

这是最直观的方式，先把原索引转换成DataFrame的普通列，再指定新的索引：

import pandas as pd
# 你的初始DataFrame创建代码
df = pd.DataFrame({'Hugo' : {'age' : 21, 'weight' : 75}, 'Bertram': {'age' : 45, 'weight' : 65}, 'Donald' : {'age' : 75, 'weight' : 85}}).T
df.index.names = ['name']

# 步骤1：将原索引转为普通列
df.reset_index(inplace=True)
# 步骤2：设置age为新索引
df.set_index('age', inplace=True)

执行后你的DataFrame会变成：

name  weight
age               
21   Hugo      75
45  Bertram    65
75  Donald     85

方法二：先复制索引到新列，再设置新索引 #

如果你不想先重置索引，也可以直接把原索引的值赋值给一个新列，再设置新索引：

# 给DataFrame新增name列，值为原索引
df['name'] = df.index
# 设置age为索引
df.set_index('age', inplace=True)

得到的结果和方法一完全一致。

额外提示：避免修改原DataFrame #

如果你不想改变原始的DataFrame，可以用链式操作生成新的DataFrame：

df_new = df.reset_index().set_index('age')

这样原df会保持初始状态，df_new就是你需要的结果啦～

内容的提问来源于stack exchange，提问作者Egirus Ornila