什麼是pandas索引（Index）？¶
在pandas中，索引（Index）就像Excel表格裏的“行號”和“列標題”，是用來標識數據位置和內容的關鍵。比如，當你有一個包含學生信息的表格，左邊的“學號”或“姓名”就是行索引，上面的“科目”“成績”就是列索引。它的作用就像“數據的身份證”，讓我們能快速定位、排序和管理數據。
爲什麼索引很重要？¶
- 快速定位數據：通過索引直接找到對應行/列的數據，不用逐個查找。
- 數據排序的基礎：排序時需要根據索引或值重新排列數據。
- 數據合併的依據：不同數據框合併時，索引可以作爲匹配的“鑰匙”。
一、數據排序：按索引或值重新排列¶
pandas中排序分爲兩種：按索引排序（默認按位置）和按值排序（按數據內容）。
1. Series排序（單列數據）¶
假設我們有一個記錄商品銷量的Series，索引是商品名，值是銷量。
import pandas as pd
# 創建示例Series：索引是商品名，值是銷量
s = pd.Series([50, 30, 80, 20], index=['蘋果', '香蕉', '橙子', '草莓'])
print("原始Series：")
print(s)
輸出：
原始Series：
蘋果 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/中文順序排列：
# 按索引升序排序（默認ascending=True）
sorted_by_index_asc = s.sort_index()
print("\n按索引升序排序後：")
print(sorted_by_index_asc)
# 按索引降序排序（設置ascending=False）
sorted_by_index_desc = s.sort_index(ascending=False)
print("\n按索引降序排序後：")
print(sorted_by_index_desc)
輸出：
按索引升序排序後：
草莓 20
蘋果 50
香蕉 30
橙子 80
dtype: int64
按索引降序排序後：
橙子 80
香蕉 30
蘋果 50
草莓 20
dtype: int64
（2）按值排序（sort_values）¶
按銷量（值）從小到大或從大到小排列：
# 按值升序排序（默認ascending=True）
sorted_by_value_asc = s.sort_values()
print("\n按銷量升序排序後：")
print(sorted_by_value_asc)
# 按值降序排序（設置ascending=False）
sorted_by_value_desc = s.sort_values(ascending=False)
print("\n按銷量降序排序後：")
print(sorted_by_value_desc)
輸出：
按銷量升序排序後：
草莓 20
香蕉 30
蘋果 50
橙子 80
dtype: int64
按銷量降序排序後：
橙子 80
蘋果 50
香蕉 30
草莓 20
dtype: int64
2. DataFrame排序（多列數據）¶
DataFrame是二維表格，排序可以按行索引（默認）或列值（指定列）。
假設我們有一個學生成績表：
# 創建示例DataFrame：索引是學生姓名，列是科目和分數
df = pd.DataFrame({
'語文': [85, 78, 92],
'數學': [90, 82, 88],
'英語': [75, 90, 85]
}, index=['小明', '小紅', '小剛'])
print("原始DataFrame：")
print(df)
輸出：
原始DataFrame：
語文 數學 英語
小明 85 90 75
小紅 78 82 90
小剛 92 88 85
（1）按列值排序（sort_values）¶
比如按“語文”成績升序排列：
# 按“語文”列升序排序
df_sorted = df.sort_values(by='語文')
print("\n按語文成績升序排序後：")
print(df_sorted)
輸出：
按語文成績升序排序後：
語文 數學 英語
小紅 78 82 90
小明 85 90 75
小剛 92 88 85
（2）按行索引排序（sort_index）¶
按行索引（學生姓名）的字母順序排列：
# 按行索引降序排序（中文按拼音順序，'小剛' > '小紅' > '小明'）
df_sorted_index = df.sort_index(ascending=False)
print("\n按行索引降序排序後：")
print(df_sorted_index)
輸出：
按行索引降序排序後：
語文 數學 英語
小剛 92 88 85
小明 85 90 75
小紅 78 82 90
二、重命名索引：修改行/列標籤¶
有時候默認的索引（如0,1,2或中文姓名）不夠直觀，我們可以手動重命名行索引或列索引。
1. 重命名行索引（rename方法）¶
假設我們想把學生姓名換成“第一組”“第二組”等更簡潔的標籤：
# 重命名行索引（原索引：小明、小紅、小剛 → 新索引：第一組、第二組、第三組）
df_renamed = df.rename(index={'小明': '第一組', '小紅': '第二組', '小剛': '第三組'})
print("\n重命名行索引後：")
print(df_renamed)
輸出：
重命名行索引後：
語文 數學 英語
第一組 85 90 75
第二組 78 82 90
第三組 92 88 85
2. 重命名列索引（rename方法）¶
如果想把“語文”“數學”等列名改成更易懂的“Chinese”“Math”，可以這樣做：
# 重命名列索引（原列名：語文、數學、英語 → 新列名：Chinese、Math、English）
df_renamed_cols = df.rename(columns={'語文': 'Chinese', '數學': 'Math', '英語': 'English'})
print("\n重命名列索引後：")
print(df_renamed_cols)
輸出：
重命名列索引後：
Chinese Math English
小明 85 90 75
小紅 78 82 90
小剛 92 88 85
3. 直接修改索引（inplace參數）¶
如果希望直接修改原數據（而非生成新數據），可以用inplace=True：
# 直接修改列名（原列名：語文、數學、英語 → 新列名：語文、數學、英語）
df.columns = ['語文', '數學', '英語'] # 直接賦值，需確保新列名數量和原列數一致
print("\n直接修改列名後：")
print(df)
# 直接修改行索引（原行索引：小明、小紅、小剛 → 新行索引：1、2、3）
df.index = [1, 2, 3]
print("\n直接修改行索引後：")
print(df)
三、注意事項¶
- 區分行/列索引：
df.index是行索引，df.columns是列索引，排序和重命名時需明確。 - 保持索引長度一致：修改索引時，新索引列表的長度必須和原數據行數/列數相同，否則會報錯。
- inplace參數：默認
inplace=False，生成新數據不修改原數據；設爲True則直接修改原數據（謹慎使用！）。
總結¶
索引是pandas數據處理的核心工具，掌握排序（按索引/值）和重命名（行/列）能幫你更高效地管理數據。通過多練習簡單示例（如本文中的學生成績表），你會很快熟悉這些操作！
現在就打開Python編輯器，跟着代碼嘗試創建自己的DataFrame，動手排序和重命名吧～