什么是pandas索引（Index）？¶
在pandas中，索引（Index）就像Excel表格里的“行号”和“列标题”，是用来标识数据位置和内容的关键。比如，当你有一个包含学生信息的表格，左边的“学号”或“姓名”就是行索引，上面的“科目”“成绩”就是列索引。它的作用就像“数据的身份证”，让我们能快速定位、排序和管理数据。
为什么索引很重要？¶
- 快速定位数据：通过索引直接找到对应行/列的数据，不用逐个查找。
- 数据排序的基础：排序时需要根据索引或值重新排列数据。
- 数据合并的依据：不同数据框合并时，索引可以作为匹配的“钥匙”。
一、数据排序：按索引或值重新排列¶
pandas中排序分为两种：按索引排序（默认按位置）和按值排序（按数据内容）。
1. Series排序（单列数据）¶
假设我们有一个记录商品销量的Series，索引是商品名，值是销量。
import pandas as pd
# 创建示例Series：索引是商品名，值是销量
s = pd.Series([50, 30, 80, 20], index=['苹果', '香蕉', '橙子', '草莓'])
print("原始Series：")
print(s)
输出：
原始Series：
苹果 50
香蕉 30
橙子 80
草莓 20
dtype: int64
（1）按索引排序（sort_index）¶
按索引（商品名）的字母/中文顺序排列：
# 按索引升序排序（默认ascending=True）
sorted_by_index_asc = s.sort_index()
print("\n按索引升序排序后：")
print(sorted_by_index_asc)
# 按索引降序排序（设置ascending=False）
sorted_by_index_desc = s.sort_index(ascending=False)
print("\n按索引降序排序后：")
print(sorted_by_index_desc)
输出：
按索引升序排序后：
草莓 20
苹果 50
香蕉 30
橙子 80
dtype: int64
按索引降序排序后：
橙子 80
香蕉 30
苹果 50
草莓 20
dtype: int64
（2）按值排序（sort_values）¶
按销量（值）从小到大或从大到小排列：
# 按值升序排序（默认ascending=True）
sorted_by_value_asc = s.sort_values()
print("\n按销量升序排序后：")
print(sorted_by_value_asc)
# 按值降序排序（设置ascending=False）
sorted_by_value_desc = s.sort_values(ascending=False)
print("\n按销量降序排序后：")
print(sorted_by_value_desc)
输出：
按销量升序排序后：
草莓 20
香蕉 30
苹果 50
橙子 80
dtype: int64
按销量降序排序后：
橙子 80
苹果 50
香蕉 30
草莓 20
dtype: int64
2. DataFrame排序（多列数据）¶
DataFrame是二维表格，排序可以按行索引（默认）或列值（指定列）。
假设我们有一个学生成绩表：
# 创建示例DataFrame：索引是学生姓名，列是科目和分数
df = pd.DataFrame({
'语文': [85, 78, 92],
'数学': [90, 82, 88],
'英语': [75, 90, 85]
}, index=['小明', '小红', '小刚'])
print("原始DataFrame：")
print(df)
输出：
原始DataFrame：
语文 数学 英语
小明 85 90 75
小红 78 82 90
小刚 92 88 85
（1）按列值排序（sort_values）¶
比如按“语文”成绩升序排列：
# 按“语文”列升序排序
df_sorted = df.sort_values(by='语文')
print("\n按语文成绩升序排序后：")
print(df_sorted)
输出：
按语文成绩升序排序后：
语文 数学 英语
小红 78 82 90
小明 85 90 75
小刚 92 88 85
（2）按行索引排序（sort_index）¶
按行索引（学生姓名）的字母顺序排列：
# 按行索引降序排序（中文按拼音顺序，'小刚' > '小红' > '小明'）
df_sorted_index = df.sort_index(ascending=False)
print("\n按行索引降序排序后：")
print(df_sorted_index)
输出：
按行索引降序排序后：
语文 数学 英语
小刚 92 88 85
小明 85 90 75
小红 78 82 90
二、重命名索引：修改行/列标签¶
有时候默认的索引（如0,1,2或中文姓名）不够直观，我们可以手动重命名行索引或列索引。
1. 重命名行索引（rename方法）¶
假设我们想把学生姓名换成“第一组”“第二组”等更简洁的标签：
# 重命名行索引（原索引：小明、小红、小刚 → 新索引：第一组、第二组、第三组）
df_renamed = df.rename(index={'小明': '第一组', '小红': '第二组', '小刚': '第三组'})
print("\n重命名行索引后：")
print(df_renamed)
输出：
重命名行索引后：
语文 数学 英语
第一组 85 90 75
第二组 78 82 90
第三组 92 88 85
2. 重命名列索引（rename方法）¶
如果想把“语文”“数学”等列名改成更易懂的“Chinese”“Math”，可以这样做：
# 重命名列索引（原列名：语文、数学、英语 → 新列名：Chinese、Math、English）
df_renamed_cols = df.rename(columns={'语文': 'Chinese', '数学': 'Math', '英语': 'English'})
print("\n重命名列索引后：")
print(df_renamed_cols)
输出：
重命名列索引后：
Chinese Math English
小明 85 90 75
小红 78 82 90
小刚 92 88 85
3. 直接修改索引（inplace参数）¶
如果希望直接修改原数据（而非生成新数据），可以用inplace=True：
# 直接修改列名（原列名：语文、数学、英语 → 新列名：语文、数学、英语）
df.columns = ['语文', '数学', '英语'] # 直接赋值，需确保新列名数量和原列数一致
print("\n直接修改列名后：")
print(df)
# 直接修改行索引（原行索引：小明、小红、小刚 → 新行索引：1、2、3）
df.index = [1, 2, 3]
print("\n直接修改行索引后：")
print(df)
三、注意事项¶
- 区分行/列索引：
df.index是行索引，df.columns是列索引，排序和重命名时需明确。 - 保持索引长度一致：修改索引时，新索引列表的长度必须和原数据行数/列数相同，否则会报错。
- inplace参数：默认
inplace=False，生成新数据不修改原数据；设为True则直接修改原数据（谨慎使用！）。
总结¶
索引是pandas数据处理的核心工具，掌握排序（按索引/值）和重命名（行/列）能帮你更高效地管理数据。通过多练习简单示例（如本文中的学生成绩表），你会很快熟悉这些操作！
现在就打开Python编辑器，跟着代码尝试创建自己的DataFrame，动手排序和重命名吧～