set_index():

函式原型：DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False) 

引數解釋：

keys：列標籤或列標籤/陣列列表，需要設定為索引的列

drop：預設為True，刪除用作新索引的列

append：預設為False，是否將列附加到現有索引

inplace：預設為False，適當修改DataFrame(不要建立新物件)

verify_integrity：預設為false，檢查新索引的副本。否則，請將檢查推遲到必要時進行。將其設定為false將提高該方法的效能。

#drop的使用：

import pandas as pd
df = pd.DataFrame({ 'A': ['A0', 'A1', 'A2', 'A3','A4', 'A5', 'A6', 'A7','A8', 'A9', 'A10', 'A11'],
                     'B': ['B0', 'B1', 'B2', 'B3','B4', 'B5', 'B6', 'B7','B8', 'B9', 'B10', 'B11'],
                     'C': ['C0', 'C1', 'C2', 'C3','C4', 'C5', 'C6', 'C7','C8', 'C9', 'C10', 'C11'],
                     'D': ['D0', 'D1', 'D2', 'D3','D4', 'D5', 'D6', 'D7','D8', 'D9', 'D10', 'D11']})
print (df)
new_df_drop_t = df.set_index('A',drop=True, append=False, inplace=False, verify_integrity=False)
print (new_df_drop_t)
new_df_drop_f = df.set_index('A',drop=False, append=False, inplace=False, verify_integrity=False)
print (new_df_drop_f)

'''
輸出結果：
      A    B    C    D
0    A0   B0   C0   D0
1    A1   B1   C1   D1
2    A2   B2   C2   D2
3    A3   B3   C3   D3
4    A4   B4   C4   D4
5    A5   B5   C5   D5
6    A6   B6   C6   D6
7    A7   B7   C7   D7
8    A8   B8   C8   D8
9    A9   B9   C9   D9
10  A10  B10  C10  D10
11  A11  B11  C11  D11

       B    C    D
A                 
A0    B0   C0   D0
A1    B1   C1   D1
A2    B2   C2   D2
A3    B3   C3   D3
A4    B4   C4   D4
A5    B5   C5   D5
A6    B6   C6   D6
A7    B7   C7   D7
A8    B8   C8   D8
A9    B9   C9   D9
A10  B10  C10  D10
A11  B11  C11  D11

       A    B    C    D
A                      
A0    A0   B0   C0   D0
A1    A1   B1   C1   D1
A2    A2   B2   C2   D2
A3    A3   B3   C3   D3
A4    A4   B4   C4   D4
A5    A5   B5   C5   D5
A6    A6   B6   C6   D6
A7    A7   B7   C7   D7
A8    A8   B8   C8   D8
A9    A9   B9   C9   D9
A10  A10  B10  C10  D10
A11  A11  B11  C11  D11

'''
 

# append的使用

import pandas as pd
df = pd.DataFrame({ 'A': ['A0', 'A1', 'A2', 'A3','A4', 'A5', 'A6', 'A7','A8', 'A9', 'A10', 'A11'],
                     'B': ['B0', 'B1', 'B2', 'B3','B4', 'B5', 'B6', 'B7','B8', 'B9', 'B10', 'B11'],
                     'C': ['C0', 'C1', 'C2', 'C3','C4', 'C5', 'C6', 'C7','C8', 'C9', 'C10', 'C11'],
                     'D': ['D0', 'D1', 'D2', 'D3','D4', 'D5', 'D6', 'D7','D8', 'D9', 'D10', 'D11']})
new_df_append_t = df.set_index('A',drop=True, append=True, inplace=False, verify_integrity=False)
print (new_df_append_t)
new_df_append_f = df.set_index('A',drop=True, append=False, inplace=False, verify_integrity=False)
print (new_df_append_f)

'''
輸出結果：

          B    C    D
   A                 
0  A0    B0   C0   D0
1  A1    B1   C1   D1
2  A2    B2   C2   D2
3  A3    B3   C3   D3
4  A4    B4   C4   D4
5  A5    B5   C5   D5
6  A6    B6   C6   D6
7  A7    B7   C7   D7
8  A8    B8   C8   D8
9  A9    B9   C9   D9
10 A10  B10  C10  D10
11 A11  B11  C11  D11

       B    C    D
A                 
A0    B0   C0   D0
A1    B1   C1   D1
A2    B2   C2   D2
A3    B3   C3   D3
A4    B4   C4   D4
A5    B5   C5   D5
A6    B6   C6   D6
A7    B7   C7   D7
A8    B8   C8   D8
A9    B9   C9   D9
A10  B10  C10  D10
A11  B11  C11  D11

'''
 

# inplace的使用，這裡我也沒搞懂為啥輸出None

df = pd.DataFrame({ 'A': ['A0', 'A1', 'A2', 'A3','A4', 'A5', 'A6', 'A7','A8', 'A9', 'A10', 'A11'],
                     'B': ['B0', 'B1', 'B2', 'B3','B4', 'B5', 'B6', 'B7','B8', 'B9', 'B10', 'B11'],
                     'C': ['C0', 'C1', 'C2', 'C3','C4', 'C5', 'C6', 'C7','C8', 'C9', 'C10', 'C11'],
                     'D': ['D0', 'D1', 'D2', 'D3','D4', 'D5', 'D6', 'D7','D8', 'D9', 'D10', 'D11']})
new_df_inplace_t = df.set_index('A', drop=True, append=False, inplace=True, verify_integrity=False)
print (new_df_inplace_t)
print (type(new_df_inplace_t))
df = pd.DataFrame({ 'A': ['A0', 'A1', 'A2', 'A3','A4', 'A5', 'A6', 'A7','A8', 'A9', 'A10', 'A11'],
                     'B': ['B0', 'B1', 'B2', 'B3','B4', 'B5', 'B6', 'B7','B8', 'B9', 'B10', 'B11'],
                     'C': ['C0', 'C1', 'C2', 'C3','C4', 'C5', 'C6', 'C7','C8', 'C9', 'C10', 'C11'],
                     'D': ['D0', 'D1', 'D2', 'D3','D4', 'D5', 'D6', 'D7','D8', 'D9', 'D10', 'D11']})
new_df_inplace_f = df.set_index('A', drop=True, append=False, inplace=False, verify_integrity=False)
print (new_df_inplace_f)


'''

None
<class 'NoneType'>
       B    C    D
A                 
A0    B0   C0   D0
A1    B1   C1   D1
A2    B2   C2   D2
A3    B3   C3   D3
A4    B4   C4   D4
A5    B5   C5   D5
A6    B6   C6   D6
A7    B7   C7   D7
A8    B8   C8   D8
A9    B9   C9   D9
A10  B10  C10  D10
A11  B11  C11  D11

'''

reset_index():

函式原型：DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')

引數解釋:

level：int、str、tuple或list，預設無，僅從索引中刪除給定級別。預設情況下移除所有級別。控制了具體要還原的那個等級的索引 

drop：drop為False則索引列會被還原為普通列，否則會丟失

inplace：預設為false，適當修改DataFrame(不要建立新物件)

col_level：int或str，預設值為0，如果列有多個級別，則確定將標籤插入到哪個級別。預設情況下，它將插入到第一級。

col_fill：物件，預設‘’，如果列有多個級別，則確定其他級別的命名方式。如果沒有，則重複索引名

注：reset_index還原分為兩種型別，第一種是對原DataFrame進行reset，第二種是對使用過set_index()函式的DataFrame進行reset

第一種：

# 一般情況下只使用到drop，這裡只演示drop的使用
import pandas as pd
df = pd.DataFrame({ 'A': ['A0', 'A1', 'A2', 'A3','A4', 'A5', 'A6', 'A7','A8', 'A9', 'A10', 'A11'],
                     'B': ['B0', 'B1', 'B2', 'B3','B4', 'B5', 'B6', 'B7','B8', 'B9', 'B10', 'B11'],
                     'C': ['C0', 'C1', 'C2', 'C3','C4', 'C5', 'C6', 'C7','C8', 'C9', 'C10', 'C11'],
                     'D': ['D0', 'D1', 'D2', 'D3','D4', 'D5', 'D6', 'D7','D8', 'D9', 'D10', 'D11']})
print (df)
newdf = df.set_index('A',drop=True, append=False, inplace=False, verify_integrity=False)
# 這裡的drop必需為True，否則會報錯ValueError: cannot insert A, already exists（意思是...只可意會不可言傳哈哈）
print (newdf)
new_reset_index = newdf.reset_index(drop=False) #索引列會被還原為普通列
print (new_reset_index)
new_reset_index = newdf.reset_index(drop=True) #索引回被直接刪除
print (new_reset_index)


'''
輸出結果：
      A    B    C    D
0    A0   B0   C0   D0
1    A1   B1   C1   D1
2    A2   B2   C2   D2
3    A3   B3   C3   D3
4    A4   B4   C4   D4
5    A5   B5   C5   D5
6    A6   B6   C6   D6
7    A7   B7   C7   D7
8    A8   B8   C8   D8
9    A9   B9   C9   D9
10  A10  B10  C10  D10
11  A11  B11  C11  D11
       B    C    D
A                 
A0    B0   C0   D0
A1    B1   C1   D1
A2    B2   C2   D2
A3    B3   C3   D3
A4    B4   C4   D4
A5    B5   C5   D5
A6    B6   C6   D6
A7    B7   C7   D7
A8    B8   C8   D8
A9    B9   C9   D9
A10  B10  C10  D10
A11  B11  C11  D11
      A    B    C    D
0    A0   B0   C0   D0
1    A1   B1   C1   D1
2    A2   B2   C2   D2
3    A3   B3   C3   D3
4    A4   B4   C4   D4
5    A5   B5   C5   D5
6    A6   B6   C6   D6
7    A7   B7   C7   D7
8    A8   B8   C8   D8
9    A9   B9   C9   D9
10  A10  B10  C10  D10
11  A11  B11  C11  D11
      B    C    D
0    B0   C0   D0
1    B1   C1   D1
2    B2   C2   D2
3    B3   C3   D3
4    B4   C4   D4
5    B5   C5   D5
6    B6   C6   D6
7    B7   C7   D7
8    B8   C8   D8
9    B9   C9   D9
10  B10  C10  D10
11  B11  C11  D11
'''

第二種：

# 一般情況下只使用到drop，這裡只演示drop的使用
import pandas as pd
df = pd.DataFrame({ 'A': ['A0', 'A1', 'A2', 'A3','A4', 'A5', 'A6', 'A7','A8', 'A9', 'A10', 'A11'],
                     'B': ['B0', 'B1', 'B2', 'B3','B4', 'B5', 'B6', 'B7','B8', 'B9', 'B10', 'B11'],
                     'C': ['C0', 'C1', 'C2', 'C3','C4', 'C5', 'C6', 'C7','C8', 'C9', 'C10', 'C11'],
                     'D': ['D0', 'D1', 'D2', 'D3','D4', 'D5', 'D6', 'D7','D8', 'D9', 'D10', 'D11']})
print (df)
new_reset_index = df.reset_index(drop=False) # 原有的索引不變新增列名index，同時在新列上重置索引
print (new_reset_index)
new_reset_index = df.reset_index(drop=True) # 在原有的索引列重置索引，不再另外新增新列。
print (new_reset_index)

'''
輸出結果：

      A    B    C    D
0    A0   B0   C0   D0
1    A1   B1   C1   D1
2    A2   B2   C2   D2
3    A3   B3   C3   D3
4    A4   B4   C4   D4
5    A5   B5   C5   D5
6    A6   B6   C6   D6
7    A7   B7   C7   D7
8    A8   B8   C8   D8
9    A9   B9   C9   D9
10  A10  B10  C10  D10
11  A11  B11  C11  D11
    index    A    B    C    D
0       0   A0   B0   C0   D0
1       1   A1   B1   C1   D1
2       2   A2   B2   C2   D2
3       3   A3   B3   C3   D3
4       4   A4   B4   C4   D4
5       5   A5   B5   C5   D5
6       6   A6   B6   C6   D6
7       7   A7   B7   C7   D7
8       8   A8   B8   C8   D8
9       9   A9   B9   C9   D9
10     10  A10  B10  C10  D10
11     11  A11  B11  C11  D11
      A    B    C    D
0    A0   B0   C0   D0
1    A1   B1   C1   D1
2    A2   B2   C2   D2
3    A3   B3   C3   D3
4    A4   B4   C4   D4
5    A5   B5   C5   D5
6    A6   B6   C6   D6
7    A7   B7   C7   D7
8    A8   B8   C8   D8
9    A9   B9   C9   D9
10  A10  B10  C10  D10
11  A11  B11  C11  D11
'''