Pandas.DataFrame.set_index() 方法详解：添加索引、代码示例和测试数据集

Pandas是Python中用于数据分析和处理的强大库，其中DataFrame是其核心数据结构之一。在DataFrame中，索引用于标识行，而列则标识数据。有时候，我们可能需要更改DataFrame的索引或为其添加新的索引。这时，我们可以使用set_index()方法。
set_index()方法用于将指定的列设置为DataFrame的索引。它有多个参数和功能，可以帮助我们更好地控制索引的创建和修改。
下面是set_index()方法的一些关键参数：

• level：设置索引的层级。可以是一个整数或一个字符串，表示要设置的索引级别。
• drop：布尔值，表示是否删除原始列。默认为True，表示删除原始列；如果为False，则原始列将保留在DataFrame中。
• inplace：布尔值，表示是否在原始DataFrame上进行更改。默认为False，表示返回一个新的DataFrame；如果为True，则直接在原始DataFrame上进行更改。
• append：布尔值，表示是否将新索引添加到现有索引中。默认为False，表示替换现有索引；如果为True，则将新索引添加到现有索引中。
  接下来，我们将通过一些代码示例和测试数据集来演示set_index()方法的使用。
  测试数据集：

  import pandas as pd
  data = {'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]}
  df = pd.DataFrame(data)
  print(df)

  输出：

  css `A  B  C
  0  1  4  7
  1  2  5  8
  2  3  6  9`

  代码示例1：将列’A’设置为索引

  df.set_index('A', inplace=True)
  print(df)

  输出：
  ``cssA B C
  0 1 4 7
  1 2 5 8
  2 3 6 9`

  代码示例2：将列'A'设置为索引，并保留原始列（drop=False）
  ```python
  df.set_index('A', drop=False, inplace=True)
  print(df)

  输出：
  ``cssA B C A
  0 1 4 7 1
  1 2 5 8 2
  2 3 6 9 3`

  代码示例3：将列'A'设置为索引，并将新索引添加到现有索引中（append=True）
  ```python
  df.set_index('A', append=True, inplace=True)
  print(df)

  输出：
  css A A B C B C A A B C B C A A B C B C 0 1 4 7 1 4 7 1 4 7 1 4 7 1 4 7 1 4 7 1 4 7 1 4 7 1 4 7 1 4 7 1 4 7 1 4 7 1 4 7 1 4 7 1 4 7 1 4 7 1 4 7 2 2 5 8 2 5 8 2 5 8 2 5 8 2 5 8 2 5 8 2 5 8 2 5 8 2 5 8 2 5 8 2 5 3 3 6 9 3 6 9 3 6 3 6 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 ``lesscssA A A