Hope this helps! 希望这能帮到你！

追求美丽和时尚！希望这能给你带来帮助！

高效处理数据框的索引

想象一下，你有一个装满成千上万本书的图书馆，每本书都包含着宝贵的信息。为了找到你所需的确切书籍，你会去图书馆的索引（如果有的话），对吧？当你处理真实世界的数据时，拥有一个类似图书馆的索引对你来说至关重要，可以筛选出海量的数据，准确锁定你需要的内容，而不必费力翻找每一部分。

在本文中，我将分享一些常见但重要的与索引相关的操作，并使用简单的适用场景进行解释。无论你是数据新手还是经验丰富的专业人士，你将很快看到这些操作是如何成为你数据的最佳伙伴。

废话不多说，让我们开始吧。

快速说明一下，在数据框中，行和列都被视为索引，但在大多数数据操作中，我们通常将行视为感兴趣的索引，因为许多数据集以宽格式呈现 – 每行代表一个数据记录，列代表数据记录的不同方面。在本文中，我们将重点关注沿着行进行索引的操作。也就是说，索引的每个项对应一行。

• 卡夫卡事件流AI和自动化
• 使用GradientTape进行TensorFlow模型训练
• 这个AI通讯简报是你所需要的一切 #69

1. 设置索引

常见的数据操作以从表格化数据源（如CSV文件）导入数据为开始。下面的截图显示了来自GitHub的在线数据源。

当你导入这个文件时，你会发现在源文件中的三列之前出现了一个没有名称的“额外”列。

# 从在线读取原始数据
import pandas as pd
data_url = "https://raw.githubusercontent.com/mwaskom/seaborn-data/master/flights.csv"
df = pd.read_csv(data_url)
df

自动生成的索引从0开始，并逐个增加1。你…