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。

:

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。

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

我通常是这样做的:

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

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