Pandas 索引列标题或名称
Posted
技术标签:
【中文标题】Pandas 索引列标题或名称【英文标题】：Pandas index column title or name 【发布时间】：2013-08-04 01:48:37 【问题描述】：如何在 python pandas 中获取索引列名？这是一个示例数据框：
Column 1
Index Title
Apples 1
Oranges 2
Puppies 3
Ducks 4
我要做的是获取/设置数据框索引标题。这是我尝试过的：
import pandas as pd
data = 'Column 1' : [1., 2., 3., 4.],
'Index Title' : ["Apples", "Oranges", "Puppies", "Ducks"]
df = pd.DataFrame(data)
df.index = df["Index Title"]
del df["Index Title"]
print df
有人知道怎么做吗？
【问题讨论】：
【参考方案1】：您可以通过其name 属性获取/设置索引
In [7]: df.index.name
Out[7]: 'Index Title'
In [8]: df.index.name = 'foo'
In [9]: df.index.name
Out[9]: 'foo'
In [10]: df
Out[10]:
Column 1
foo
Apples 1
Oranges 2
Puppies 3
Ducks 4
【讨论】：
截至目前（0.16）它不起作用。或者更确切地说 - 它确实有效，但是一旦 DataFrame 被修改，它就会删除索引名称。 应该可以在 DataFrame 创建时指定索引名称。例如pd.DataFrame(values,index="INDEX_NAME":index_values)。我不明白为什么不允许或执行此操作？
可以直接用Index构造添加名称
@Jeff，看起来您的观察认为首先构建索引（并将其用于数据帧的索引和列）是正确的方法，尽管我同意@denfromufa 它应该将字典作为参数从 pandas.DataFrame 构造
如果是Multiindex，使用df.index.names而不是df.index.name。【参考方案2】：
您可以使用rename_axis，删除设置为None：
d = 'Index Title': ['Apples', 'Oranges', 'Puppies', 'Ducks'],'Column 1': [1.0, 2.0, 3.0, 4.0]
df = pd.DataFrame(d).set_index('Index Title')
print (df)
Column 1
Index Title
Apples 1.0
Oranges 2.0
Puppies 3.0
Ducks 4.0
print (df.index.name)
Index Title
print (df.columns.name)
None
新功能在方法链中运行良好。
df = df.rename_axis('foo')
print (df)
Column 1
foo
Apples 1.0
Oranges 2.0
Puppies 3.0
Ducks 4.0
您也可以使用参数axis重命名列名：
d = 'Index Title': ['Apples', 'Oranges', 'Puppies', 'Ducks'],'Column 1': [1.0, 2.0, 3.0, 4.0]
df = pd.DataFrame(d).set_index('Index Title').rename_axis('Col Name', axis=1)
print (df)
Col Name Column 1
Index Title
Apples 1.0
Oranges 2.0
Puppies 3.0
Ducks 4.0
print (df.index.name)
Index Title
print (df.columns.name)
Col Name
print df.rename_axis('foo').rename_axis("bar", axis="columns")
bar Column 1
foo
Apples 1.0
Oranges 2.0
Puppies 3.0
Ducks 4.0
print df.rename_axis('foo').rename_axis("bar", axis=1)
bar Column 1
foo
Apples 1.0
Oranges 2.0
Puppies 3.0
Ducks 4.0
从版本pandas 0.24.0+ 可以使用参数index 和columns：
df = df.rename_axis(index='foo', columns="bar")
print (df)
bar Column 1
foo
Apples 1.0
Oranges 2.0
Puppies 3.0
Ducks 4.0
删除索引和列名意味着将其设置为None：
df = df.rename_axis(index=None, columns=None)
print (df)
Column 1
Apples 1.0
Oranges 2.0
Puppies 3.0
Ducks 4.0
如果MultiIndex 仅在索引中：
mux = pd.MultiIndex.from_arrays([['Apples', 'Oranges', 'Puppies', 'Ducks'],
list('abcd')],
names=['index name 1','index name 1'])
df = pd.DataFrame(np.random.randint(10, size=(4,6)),
index=mux,
columns=list('ABCDEF')).rename_axis('col name', axis=1)
print (df)
col name A B C D E F
index name 1 index name 1
Apples a 5 4 0 5 2 2
Oranges b 5 8 2 5 9 9
Puppies c 7 6 0 7 8 3
Ducks d 6 5 0 1 6 0
print (df.index.name)
None
print (df.columns.name)
col name
print (df.index.names)
['index name 1', 'index name 1']
print (df.columns.names)
['col name']
df1 = df.rename_axis(('foo','bar'))
print (df1)
col name A B C D E F
foo bar
Apples a 5 4 0 5 2 2
Oranges b 5 8 2 5 9 9
Puppies c 7 6 0 7 8 3
Ducks d 6 5 0 1 6 0
df2 = df.rename_axis('baz', axis=1)
print (df2)
baz A B C D E F
index name 1 index name 1
Apples a 5 4 0 5 2 2
Oranges b 5 8 2 5 9 9
Puppies c 7 6 0 7 8 3
Ducks d 6 5 0 1 6 0
df2 = df.rename_axis(index=('foo','bar'), columns='baz')
print (df2)
baz A B C D E F
foo bar
Apples a 5 4 0 5 2 2
Oranges b 5 8 2 5 9 9
Puppies c 7 6 0 7 8 3
Ducks d 6 5 0 1 6 0
删除索引和列名意味着将其设置为None：
df2 = df.rename_axis(index=(None,None), columns=None)
print (df2)
A B C D E F
Apples a 6 9 9 5 4 6
Oranges b 2 6 7 4 3 5
Puppies c 6 3 6 3 5 1
Ducks d 4 9 1 3 0 5
对于索引和列中的MultiIndex，必须使用.names 而不是.name，并通过列表或元组设置：
mux1 = pd.MultiIndex.from_arrays([['Apples', 'Oranges', 'Puppies', 'Ducks'],
list('abcd')],
names=['index name 1','index name 1'])
mux2 = pd.MultiIndex.from_product([list('ABC'),
list('XY')],
names=['col name 1','col name 2'])
df = pd.DataFrame(np.random.randint(10, size=(4,6)), index=mux1, columns=mux2)
print (df)
col name 1 A B C
col name 2 X Y X Y X Y
index name 1 index name 1
Apples a 2 9 4 7 0 3
Oranges b 9 0 6 0 9 4
Puppies c 2 4 6 1 4 4
Ducks d 6 6 7 1 2 8
复数是检查/设置值的必要条件：
print (df.index.name)
None
print (df.columns.name)
None
print (df.index.names)
['index name 1', 'index name 1']
print (df.columns.names)
['col name 1', 'col name 2']
df1 = df.rename_axis(('foo','bar'))
print (df1)
col name 1 A B C
col name 2 X Y X Y X Y
foo bar
Apples a 2 9 4 7 0 3
Oranges b 9 0 6 0 9 4
Puppies c 2 4 6 1 4 4
Ducks d 6 6 7 1 2 8
df2 = df.rename_axis(('baz','bak'), axis=1)
print (df2)
baz A B C
bak X Y X Y X Y
index name 1 index name 1
Apples a 2 9 4 7 0 3
Oranges b 9 0 6 0 9 4
Puppies c 2 4 6 1 4 4
Ducks d 6 6 7 1 2 8
df2 = df.rename_axis(index=('foo','bar'), columns=('baz','bak'))
print (df2)
baz A B C
bak X Y X Y X Y
foo bar
Apples a 2 9 4 7 0 3
Oranges b 9 0 6 0 9 4
Puppies c 2 4 6 1 4 4
Ducks d 6 6 7 1 2 8
删除索引和列名意味着将其设置为None：
df2 = df.rename_axis(index=(None,None), columns=(None,None))
print (df2)
A B C
X Y X Y X Y
Apples a 2 0 2 5 2 0
Oranges b 1 7 5 5 4 8
Puppies c 2 4 6 3 6 5
Ducks d 9 6 3 9 7 0
还有@Jeff 解决方案：
df.index.names = ['foo','bar']
df.columns.names = ['baz','bak']
print (df)
baz A B C
bak X Y X Y X Y
foo bar
Apples a 3 4 7 3 3 3
Oranges b 1 2 5 8 1 0
Puppies c 9 6 3 9 6 3
Ducks d 3 2 1 0 1 0
【讨论】：
我相信这应该是当前熊猫版本的公认答案 另外值得注意的是，正如 phil 在另一个df.index.rename('foo', inplace=True) 中建议的那样，请参阅 pandas.pydata.org/pandas-docs/stable/generated/…
我已经导入了一个字典用作数据框，因此索引列自动设置为无，行编号为 1-10。但我想将“名称”列指定为索引。如果可能的话，在绘图期间这样做。是否有可能做到这一点，是否有可能在我们绘图时即时做到这一点？
jezrael 给出了原始问题的正确答案，即关于列索引名称，而不是行索引名称。加上完整的解释。基本上，要 Radical Edward 有索引列名，只需要使用 df.index.names【参考方案3】：
df.index.name 应该可以解决问题。
Python 有一个dir 函数，可以让您查询对象属性。 dir(df.index) 在这里很有帮助。
【讨论】：
【参考方案4】：使用df.index.rename('foo', inplace=True) 设置索引名称。
似乎这个 api 从pandas 0.13 开始可用。
【讨论】：
哇...一个优雅的解决方案！【参考方案5】：如果您不想创建新行而只是将其放在空单元格中，请使用：
df.columns.name = 'foo'
否则使用：
df.index.name = 'foo'
【讨论】：
刚刚发现它是列名的名称。难怪设置 df.index.name 会给你一个新的水平。谢谢！【参考方案6】：设置索引名称也可以在创建时完成：
pd.DataFrame(data='age': [10,20,30], 'height': [100, 170, 175], index=pd.Series(['a', 'b', 'c'], name='Tag'))
【讨论】：
【参考方案7】：df.columns.values 也给我们列名
【讨论】：
【参考方案8】：多索引的解决方案在 jezrael 的百科全书答案中，但我花了一段时间才找到它，所以我发布了一个新答案：
df.index.names 给出多索引的名称（作为 Frozenlist）。
【讨论】：
【参考方案9】：从最新版本的 pandas 开始，仅获取索引列名称 df.index.names 将适用于单个索引或 MultiIndex。
作为在尝试找到获取索引名称+列名称列表的最佳方法时发现此问题的人，我会发现此答案很有用：
names = list(filter(None, df.index.names + df.columns.values.tolist()))
这适用于无索引、单列索引或多索引。它避免了调用 reset_index() 对于这样一个简单的操作有不必要的性能损失。我很惊讶没有内置的方法（我遇到过）。我想我更经常需要这个，因为我正在从数据帧索引映射到主/唯一键的数据库中穿梭数据，但实际上对我来说只是另一列。
【讨论】：
以上是关于Pandas 索引列标题或名称的主要内容，如果未能解决你的问题，请参考以下文章
Pandas - 过滤和正则表达式搜索 DataFrame 的索引
pandas使用方括号[]或者loc函数基于列名称或者列名称列表索引dataframe中的单个数据列或者多个数据列（accessing columns of a dataframe)
pandas使用iloc函数基于行列索引获取dataframe指定行和指定列交叉格子的数据内容loc函数基于行索引和列名称获取dataframe指定行和指定列交叉格子的数据内容