如何在Pandas DataFrame中修改索引

在Pandas的数据处理流程中，DataFrame的索引承担着数据定位、分组聚合、数据对齐的重要作用，很多场景下我们需要根据业务需求调整索引的内容、名称或者结构，掌握合理的索引修改方法能提升数据处理的效率。

直接赋值修改索引值

如果只需要修改现有索引的具体取值，且新索引的长度和原索引一致，可以直接对DataFrame.index属性赋值。这种方式操作简单，适合快速调整索引内容。

import pandas as pd

# 创建示例DataFrame
data = {'name': ['张三', '李四', '王五'], 'score': [85, 92, 88]}
df = pd.DataFrame(data)
print('修改前索引:', df.index.tolist())

# 直接赋值修改索引
df.index = ['a', 'b', 'c']
print('修改后索引:', df.index.tolist())
print(df)

使用set_index将列转为索引

当需要将DataFrame中的某一列或者多列设置为新的索引时，使用set_index方法是最合适的选择，该方法支持传入单个列名或者列名列表，还可以通过参数控制是否删除原列、是否原地修改等。

import pandas as pd

data = {'id': [1001, 1002, 1003], 'name': ['张三', '李四', '王五'], 'score': [85, 92, 88]}
df = pd.DataFrame(data)

# 将id列设置为索引
df_new = df.set_index('id')
print('单索引结果:')
print(df_new)

# 将id和name列设置为多层索引
df_multi = df.set_index(['id', 'name'])
print('多层索引结果:')
print(df_multi)

通过rename_axis修改索引名称

如果需要修改索引的名称而非索引的取值，可以使用rename_axis方法，该方法可以单独设置索引的名称，对于多层索引也可以指定对应层的名称。

import pandas as pd

data = {'name': ['张三', '李四', '王五'], 'score': [85, 92, 88]}
df = pd.DataFrame(data, index=['a', 'b', 'c'])

# 修改单层索引名称
df = df.rename_axis('index_name')
print('修改后索引名称:', df.index.name)

# 多层索引修改名称
df_multi = pd.DataFrame(
    {'score': [85, 92, 88]},
    index=pd.MultiIndex.from_tuples([('class1', '张三'), ('class1', '李四'), ('class2', '王五')])
)
df_multi = df_multi.rename_axis(['class', 'student'])
print('多层索引名称:', df_multi.index.names)

使用reset_index重置索引

如果希望将现有索引重置为默认的整数索引，同时把原索引转为普通列，可以使用reset_index方法，该方法支持控制是否原地修改、是否删除原索引等参数。

import pandas as pd

data = {'name': ['张三', '李四', '王五'], 'score': [85, 92, 88]}
df = pd.DataFrame(data, index=['a', 'b', 'c'])
print('重置前:')
print(df)

# 重置索引，原索引转为列
df_reset = df.reset_index()
print('重置后:')
print(df_reset)

# 重置索引且不保留原索引为列
df_drop = df.reset_index(drop=True)
print('删除原索引的重置结果:')
print(df_drop)

不同修改方式的适用场景对比

为了让大家更清晰地选择修改方式，下面整理了不同方法的适用场景对比：

PandasDataFrame修改索引rename_axisset_index修改时间：2026-06-15 16:42:29