python之df.index.to_native_types()应用举例

举一个简单的例子：

假设我们有一个简单的 Pandas Series，它的索引是整数：

import pandas as pd

data = {'A': 10, 'B': 20, 'C': 30}
index = [1, 2, 3]

s = pd.Series(data, index=index)
1
2
3
4
5
6

此时 s ：

1    10
2    20
3    30
dtype: int64
1
2
3
4

而 s.index 是一个包含了索引的 pandas.Index 对象。它看起来像是这样：

Int64Index([1, 2, 3], dtype='int64')
1

这里的 Int64Index 表示这是一个整数型索引。它包含了索引的数值，类型为 int64。

具体的索引类型可能会因为数据的不同而有所不同。例如，如果索引是日期类型，那么它可能会是一个 DatetimeIndex。

如果你使用 to_native_types() 方法，你将得到一个类似于Python列表的对象：

[1, 2, 3]
1

这是一个普通的Python列表，其中包含了整数类型的索引值，不再是 pandas.Index 对象。

这样，我们就将 Pandas 索引转换为了 Python 原生的整数类型，可以更方便地在不同的环境中使用。

请注意，实际上，大部分情况下并不需要使用 to_native_types()，因为 Pandas 的索引类型通常能够在大多数情况下正常工作。只有在特定的情况下，需要将索引转换为本机类型时，才会使用到这个方法。