DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False)
其中：keys是列标签或数组列表
drop：删除要用作新索引的列,布尔值默认为Trueappend：boolean是否将列附加到现有索引默认为False，inplace修改DataFrame（不要创建新对象）默认为Falseverify_integrity：检查新索引是否有重复项默认为False。示例：
In [ ]: df = pd.DataFrame({'A': ['A0', 'A1', 'A2', 'A3'],
'B': ['B0', 'B1', 'B2', 'B3'],
'C': ['C0', 'C1', 'C2', 'C3'],
'D': ['D0', 'D1', 'D2', 'D3']},
index=[0, 1, 2, 3])
Out[ ]:
A B C D
0 A0 B0 C0 D0
1 A1 B1 C1 D1
2 A2 B2 C2 D2
3 A3 B3 C3 D3>>> df1= df.set_index(['A', 'B']) >>> df2 = df.set_index([[1, 2, 3,4]])
DataFrame.reset_index(level=None, drop=False, inplace=False, col_level=0, col_fill='')
level指仅从索引中删除给定的级别，默认情况下删除所有级别int，str，tuple或list，默认为None。drop确定索引列会是否还原为普通列
示例：
>>> df.reset_index()
因为dataframe的index也是series格式的数据，所以直接指定index为一个新的series即可修改dataframe的index：
通过rename传入一个函数可以批量替换index或rename：
也可以通过传入一个字典，指定修改index或column：
map函数通过传入一个函数来对对象进行批量处理：
以上为个人经验，希望能给大家一个参考，也希望大家多多支持。
