1. 導入pandas庫 首先，我們需要導入pandas庫來使用其中的DataFrame對象和相關函數。 ```python import pandas as pd ``` 2. 創建一個示

1. 導入pandas庫

首先，我們需要導入pandas庫來使用其中的DataFrame對象和相關函數。

```python import pandas as pd ```

2. 創建一個示例DataFrame

接下來，我們創建一個示例的DataFrame，以便演示如何轉換默認索引。

```python data {'A': [1, 2, 3, 4], 'B': ['a', 'b', 'c', 'd']} df (data) ```

示例DataFrame如下：

``` A B 0 1 a 1 2 b 2 3 c 3 4 d ```

3. 轉換默認索引為列

通過使用`reset_index()`函數，可以將DataFrame的默認索引轉換成列。

```python df_new _index() ```

轉換后的DataFrame如下：

``` index A B 0 0 1 a 1 1 2 b 2 2 3 c 3 3 4 d ```

4. 自定義列名

如果要自定義新列的名稱，可以使用`rename()`函數來重命名列。

```python df_new _index().rename(columns{'index': 'new_index'}) ```

轉換并重命名后的DataFrame如下：

``` new_index A B 0 0 1 a 1 1 2 b 2 2 3 c 3 3 4 d ```

5. 將默認索引轉換成列并刪除原索引

有時候，我們希望將默認索引轉換成列，并刪除原索引。可以使用`reset_index()`函數的`drop`參數實現該功能。

```python df_new _index(dropTrue) ```

轉換并刪除原索引后的DataFrame如下：

``` A B 0 1 a 1 2 b 2 3 c 3 4 d ```

總結：

通過使用pandas庫中的DataFrame對象和相關函數，我們可以輕松地將默認索引轉換成列，并根據需要進行自定義操作。這對于數據分析和處理任務非常有用，可以提高數據操作和可視化分析的靈活性。