Pandas 索引

索引（Index）是 Pandas 中用來標識和存取資料列的標籤。理解索引的運作對於有效操作 DataFrame 非常重要。

什麼是索引

每個 DataFrame 都有一個索引，預設是從 0 開始的整數：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35]
})
print(df)

      name  age
0    Alice   25
1      Bob   30
2  Charlie   35

左邊的 0、1、2 就是索引。

查看索引

print(df.index)
# RangeIndex(start=0, stop=3, step=1)

設定索引

建立時指定索引

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35]
}, index=['a', 'b', 'c'])

將欄位設為索引

df = pd.DataFrame({
    'id': [101, 102, 103],
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35]
})

# 將 id 欄設為索引
df = df.set_index('id')
print(df)

        name  age
id               
101    Alice   25
102      Bob   30
103  Charlie   35

直接指定索引

df.index = ['x', 'y', 'z']

重設索引

將索引還原成預設的整數索引：

# 原本的索引會變成一個欄位
df = df.reset_index()

# 如果不需要保留原本的索引
df = df.reset_index(drop=True)

使用索引選取資料

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie'],
    'age': [25, 30, 35]
}, index=['a', 'b', 'c'])

# 用 loc 以索引標籤選取
print(df.loc['a'])
print(df.loc['a':'b'])

檢查索引中是否存在值

print('a' in df.index)  # True
print('x' in df.index)  # False

索引排序

# 按索引排序
df = df.sort_index()

# 降冪排序
df = df.sort_index(ascending=False)

索引運算

重新命名索引

# 使用 rename()
df = df.rename(index={'a': 'A', 'b': 'B'})

# 直接修改索引名稱屬性
df.index.name = 'user_id'

索引唯一性

# 檢查索引是否唯一
print(df.index.is_unique)  # True 或 False

# 找出重複的索引
print(df.index.duplicated())

多層索引（MultiIndex）

Pandas 支援多層索引，適合處理階層式資料：

df = pd.DataFrame({
    'year': [2023, 2023, 2024, 2024],
    'quarter': ['Q1', 'Q2', 'Q1', 'Q2'],
    'sales': [100, 150, 120, 180]
})

# 設定多層索引
df = df.set_index(['year', 'quarter'])
print(df)

              sales
year quarter       
2023 Q1         100
     Q2         150
2024 Q1         120
     Q2         180

選取多層索引的資料：

# 選取 2023 年的資料
df.loc[2023]

# 選取 2023 年 Q1 的資料
df.loc[(2023, 'Q1')]

索引的常用屬性

df.index.name       # 索引名稱
df.index.dtype      # 索引資料型別
df.index.values     # 索引值的 NumPy 陣列
df.index.tolist()   # 轉成 list
len(df.index)       # 索引長度

索引的實用技巧

用欄位值快速查詢

當某欄位經常用來查詢時，可以設為索引以提升效能：

# 設定 user_id 為索引
df = df.set_index('user_id')

# 快速查詢特定 user
user_data = df.loc[12345]

保留原索引的操作

有些操作會改變索引，如果要保留原本的對應關係，可以先 reset：

# 排序後重設索引
df_sorted = df.sort_values('age').reset_index(drop=True)