pandas.Index # 熊猫类 。索引( data = None , dtype = None , copy = False , name = None , tupleize_cols = True ) [来源] # 用于索引和对齐的不可变序列。 存储所有 pandas 对象的轴标签的基本对象。 2.0.0 版更改：索引可以保存所有 numpy 数字 dtypes（float16 除外）。以前仅接受 int64/uint64/float64 数据类型。 参数： 类似数据数组（一维） dtype str、numpy.dtype 或 ExtensionDtype，可选输出索引的数据类型。如果未指定，这将从data推断。更多用法请参阅用户指南。 复制bool，默认 False复制输入数据。 名称对象要存储在索引中的名称。 tupleize_cols布尔值（默认值：True）当为 True 时，如果可能，尝试创建 MultiIndex。 也可以看看 RangeIndex实现单调整数范围的索引。 CategoricalIndexs的索引Categorical。 MultiIndex多级或分层索引。 IntervalIndexs的索引Interval。 DatetimeIndexdatetime64 数据的索引。 TimedeltaIndextimedelta64 数据的索引。 PeriodIndex期间数据索引。 笔记 Index 实例只能包含可哈希对象。 Index 实例不能保存 numpy float16 dtype。 例子 >>> pd.Index([1, 2, 3]) Index([1, 2, 3], dtype='int64') >>> pd.Index(list('abc')) Index(['a', 'b', 'c'], dtype='object') >>> pd.Index([1, 2, 3], dtype="uint8") Index([1, 2, 3], dtype='uint8') 属性 T 返回转置，根据定义，它是 self。 array 支持该系列或索引的数据的 ExtensionArray。 dtype 返回基础数据的 dtype 对象。 empty has_duplicates 检查索引是否有重复值。 hasnans 如果存在任何 NaN，则返回 True。 inferred_type 返回从值推断出的类型的字符串。 is_monotonic_decreasing 如果值相等或递减，则返回布尔值。 is_monotonic_increasing 如果值相等或递增，则返回布尔值。 is_unique 如果索引具有唯一值，则返回。 name 返回索引或多索引名称。 names nbytes 返回基础数据中的字节数。 ndim 根据定义，基础数据的维度数为 1。 nlevels 级别数。 shape 返回基础数据形状的元组。 size 返回基础数据中的元素数量。 values 返回一个表示索引中数据的数组。 方法 all(*args, **kwargs) 返回是否所有元素都是Truthy。 any(*args, **kwargs) 返回是否有任何元素为 Truthy。 append（其他） 将索引选项的集合附加在一起。 argmax（[轴，跳过]） 返回系列中最大值的 int 位置。 argmin（[轴，跳过]） 返回系列中最小值的 int 位置。 argsort(*args, **kwargs) 返回对索引进行排序的整数索引。 asof（标签） 返回索引中的标签，或者如果不存在，则返回前一个标签。 asof_locs（其中，掩码） 返回索引中标签的位置（索引）。 astype(dtype[, 复制]) 创建一个索引，将值转换为数据类型。 copy（[名字，深]） 制作该对象的副本。 delete（位置） 创建新索引并删除传递的位置。 diff（[期间]） 计算 Index 对象中连续值之间的差异。 difference（其他[，排序]） 返回一个新的 Index ，其中索引的元素不在other中。 drop（标签[，错误]） 创建新索引并删除已传递的标签列表。 drop_duplicates（*[， 保持]） 返回已删除重复值的索引。 droplevel（[等级]） 返回已删除请求级别的索引。 dropna（[如何]） 返回不带 NA/NaN 值的索引。 duplicated（[保持]） 指示重复的索引值。 equals（其他） 判断两个Index对象是否相等。 factorize([排序，use_na_sentinel]) 将对象编码为枚举类型或分类变量。 fillna（[值，沮丧]） 使用指定值填充 NA/NaN 值。 format（[名称、格式化程序、na_rep]） 呈现索引的字符串表示形式。 get_indexer（目标[、方法、限度、容差]） 给定当前索引，计算新索引的索引器和掩码。 get_indexer_for（目标） 即使索引器不唯一，也能保证返回。 get_indexer_non_unique（目标） 给定当前索引，计算新索引的索引器和掩码。 get_level_values（等级） 返回请求级别的值索引。 get_loc（钥匙） 获取请求标签的整数位置、切片或布尔掩码。 get_slice_bound（标签、侧面） 计算与给定标签对应的切片边界。 groupby（数值） 按给定值数组对索引标签进行分组。 holds_integer() （已弃用）类型是否为整数类型。 identical（其他） 与 equals 类似，但检查对象属性和类型是否也相等。 infer_objects（[复制]） 如果我们有一个对象数据类型，请尝试推断一个非对象数据类型。 insert（位置，项目） 创建新索引，在该位置插入新项目。 intersection（其他[，排序]） 形成两个 Index 对象的交集。 is_（其他） 更灵活、更快的检查，is但通过视图进行。 is_boolean() （已弃用）检查索引是否仅由布尔值组成。 is_categorical() （已弃用）检查索引是否包含分类数据。 is_floating() （已弃用）检查索引是否为浮动类型。 is_integer() （已弃用）检查索引是否仅由整数组成。 is_interval() （已弃用）检查 Index 是否包含 Interval 对象。 is_numeric() （已弃用）检查索引是否仅包含数字数据。 is_object() （已弃用）检查索引是否属于对象数据类型。 isin（值[，级别]） 返回一个布尔数组，其中索引值位于value中。 isna() 检测缺失值。 isnull() 检测缺失值。 item() 以 Python 标量形式返回基础数据的第一个元素。 join（其他，*[，如何，级别，...]） 计算 join_index 和索引器以使数据结构符合新索引。 map(映射器[, na_action]) 使用输入映射或函数映射值。 max（[轴，跳过]） 返回索引的最大值。 memory_usage（[深的]） 值的内存使用情况。 min（[轴，跳过]） 返回索引的最小值。 notna() 检测现有（非缺失）值。 notnull() 检测现有（非缺失）值。 nunique([滴那]) 返回对象中唯一元素的数量。 putmask（掩码、值） 返回使用掩码设置的值的新索引。 ravel（[命令]） 返回对自我的看法。 reindex（目标[、方法、级别、限制、...]） 使用目标值创建索引。 rename（名称，*[，就地]） 更改索引或多索引名称。 repeat（重复[，轴]） 重复索引的元素。 round（[小数点]） 将索引中的每个值四舍五入到给定的小数位数。 searchsorted（值[，边，排序器]） 查找应插入元素以维持顺序的索引。 set_names（名称，*[，级别，就地]） 设置索引或多索引名称。 shift([周期、频率]) 将索引移动所需的时间频率增量数。 slice_indexer([开始、结束、步骤]) 计算输入标签和步骤的切片索引器。 slice_locs([开始、结束、步骤]) 计算输入标签的切片位置。 sort(*args, **kwargs) 请改用 sort_values。 sort_values(*[, return_indexer, 升序, ...]) 返回索引的排序副本。 sortlevel（[级别、升序、...]） 为了与 Index API 内部兼容。 symmetric_difference（其他[，结果名称，排序]） 计算两个 Index 对象的对称差。 take（索引[，轴，允许填充，填充值]） 返回索引选择的值的新索引。 to_flat_index() 身份方法。 to_frame([索引、名称]) 创建一个 DataFrame，其中包含包含索引的列。 to_list() 返回值的列表。 to_numpy([dtype, 副本, na_value]) 表示该系列或索引中的值的 NumPy ndarray。 to_series([索引、名称]) 创建一个索引和值都等于索引键的系列。 tolist() 返回值的列表。 transpose(*args, **kwargs) 返回转置，根据定义，它是 self。 union（其他[，排序]） 形成两个 Index 对象的并集。 unique（[等级]） 返回索引中的唯一值。 value_counts([标准化、排序、升序、...]) 返回包含唯一值计数的系列。 view([分类]) where(条件[,其他]) 替换条件为 False 的值。