:

df['index1'] = df.index

或者,.reset_index:

df = df.reset_index(level=0)

所以，如果你有一个3级索引的多索引框架，比如:

>>> df
                       val
tick       tag obs        
2016-02-26 C   2    0.0139
2016-02-27 A   2    0.5577
2016-02-28 C   6    0.0303

你想转换第1 (tick)和第3 (obs)级别的索引到列，你会做:

>>> df.reset_index(level=['tick', 'obs'])
          tick  obs     val
tag                        
C   2016-02-26    2  0.0139
A   2016-02-27    2  0.5577
C   2016-02-28    6  0.0303

对于MultiIndex，您可以使用

df['si_name'] = R.index.get_level_values('si_name') 

其中si_name是子索引的名称。

为了更清楚一点，让我们来看看一个索引(MultiIndex)中有两个级别的DataFrame。

index = pd.MultiIndex.from_product([['TX', 'FL', 'CA'], 
                                    ['North', 'South']], 
                                   names=['State', 'Direction'])

df = pd.DataFrame(index=index, 
                  data=np.random.randint(0, 10, (6,4)), 
                  columns=list('abcd'))

reset_index方法(使用默认参数调用)将所有索引级别转换为列，并使用简单的RangeIndex作为新索引。

df.reset_index()

使用level参数控制将哪些索引级别转换为列。如果可能的话，使用更明确的关卡名称。如果没有级别名称，您可以通过其整数位置来引用每个级别，该位置从外部的0开始。您可以在这里使用标量值，也可以使用要重置的所有索引的列表。

df.reset_index(level='State') # same as df.reset_index(level=0)

在极少数情况下，您希望保留索引并将索引转换为列，您可以执行以下操作:

# for a single level
df.assign(State=df.index.get_level_values('State'))

# for all levels
df.assign(**df.index.to_frame())

如果你想使用reset_index方法，同时保留你现有的索引，你应该使用:

df.reset_index().set_index('index', drop=False)

或者就地改变:

df.reset_index(inplace=True)
df.set_index('index', drop=False, inplace=True)

例如:

print(df)
          gi  ptt_loc
0  384444683      593
4  384444684      594
9  384444686      596

print(df.reset_index())
   index         gi  ptt_loc
0      0  384444683      593
1      4  384444684      594
2      9  384444686      596

print(df.reset_index().set_index('index', drop=False))
       index         gi  ptt_loc
index
0          0  384444683      593
4          4  384444684      594
9          9  384444686      596

如果你想去掉索引标签，你可以这样做:

df2 = df.reset_index().set_index('index', drop=False)
df2.index.name = None
print(df2)
   index         gi  ptt_loc
0      0  384444683      593
4      4  384444684      594
9      9  384444686      596

Rename_axis + reset_index

你可以先把你的索引重命名为一个想要的标签，然后提升到一个系列:

df = df.rename_axis('index1').reset_index()

print(df)

   index1         gi  ptt_loc
0       0  384444683      593
1       1  384444684      594
2       2  384444686      596

这也适用于MultiIndex数据框架:

print(df)
#                        val
# tick       tag obs        
# 2016-02-26 C   2    0.0139
# 2016-02-27 A   2    0.5577
# 2016-02-28 C   6    0.0303

df = df.rename_axis(['index1', 'index2', 'index3']).reset_index()

print(df)

       index1 index2  index3     val
0  2016-02-26      C       2  0.0139
1  2016-02-27      A       2  0.5577
2  2016-02-28      C       6  0.0303

df1 = pd.DataFrame({"gi":[232,66,34,43],"ptt":[342,56,662,123]})
p = df1.index.values
df1.insert( 0, column="new",value = p)
df1

    new     gi     ptt
0    0      232    342
1    1      66     56 
2    2      34     662
3    3      43     123

这应该做的技巧(如果不是多级索引)-

df.reset_index().rename({'index':'index1'}, axis = 'columns')

当然，如果你不想将它赋值给rename函数参数中的一个新变量，你总是可以设置inplace = True。

在最新版本的pandas 1.5.0中，您可以使用函数reset_index和新的参数names来指定您想要给出索引列的名称列表。下面是一个具有一个索引列的可重复示例:

import pandas as pd

df = pd.DataFrame({"gi":[232,66,34,43],"ptt":[342,56,662,123]})

    gi  ptt
0  232  342
1   66   56
2   34  662
3   43  123

df.reset_index(names=['new'])

输出:

   new   gi  ptt
0    0  232  342
1    1   66   56
2    2   34  662
3    3   43  123

这也可以很容易地应用于MultiIndex。把你想要的名字列一个清单。

我通常是这样做的:

df = df.assign(index1=df.index)