在DataFrame索引上应用函数 [英] Apply Function on DataFrame Index

问题描述

在Pandas DataFrame 的索引上应用函数的最佳方法是什么？
目前我正在使用这种冗长的方法：

What is the best way to apply a function over the index of a Pandas DataFrame? Currently I am using this verbose approach:

pd.DataFrame({"Month": df.reset_index().Date.apply(foo)})

其中日期是索引的名称， foo 是我正在申请的函数的名称。

where Date is the name of the index and foo is the name of the function that I am applying.

推荐答案

正如HYRY在评论中所建议的， Series.map 是这里的方法。只需将索引设置为结果系列。

As already suggested by HYRY in the comments, Series.map is the way to go here. Just set the index to the resulting series.

简单示例：

df = pd.DataFrame({'d': [1, 2, 3]}, index=['FOO', 'BAR', 'BAZ'])
df
        d
FOO     1
BAR     2
BAZ     3

df.index = df.index.map(str.lower)
df
        d
foo     1
bar     2
baz     3

索引！=系列

正如@OP所指出的那样。 df.index.map（str.lower）调用返回一个numpy数组。
这是因为数据帧索引是基于numpy数组，而不是系列。

Index != Series

As pointed out by @OP. the df.index.map(str.lower) call returns a numpy array. This is because dataframe indices are based on numpy arrays, not Series.

将索引编入系列的唯一方法是从它创建一个系列。

The only way of making the index into a Series is to create a Series from it.

pd.Series(df.index.map(str.lower))

警告

指数 class现在是 StringAccessorMixin 的子类，这意味着您可以执行以下操作，如下所示

Caveat

The Index class now subclasses the StringAccessorMixin, which means that you can do the above operation as follows

df.index.str.lower()

这仍然会生成一个Index对象，而不是一个Series。

This still produces an Index object, not a Series.

这篇关于在DataFrame索引上应用函数的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！