Pandas 有没有办法选择作为熊猫索引的列？

我有一个df，其字段为姓名，年龄，身高

完成后：

df.set_index('Name')

我无法再执行访问该列的操作，如：

len(df['Name'])

直到我做了一个：

df.reset_index()

---

有没有更好的方法可以在不设置和重置索引的情况下执行此操作

我认为您可以通过以下方式选择

索引

：

df.index

或用于

多索引

，但也可用于

索引

：

#select by position
df.index.get_level_values(0)
#select by name of level
df.index.get_level_values('Name')

因此，您可以使用：

len(df.index)

样本：

df = pd.DataFrame({'Name':['John','Joe','Sue'],
                   'Age':[40,50,60],
                   'Height':[180,175,155]})

print (df)
   Age  Height  Name
0   40     180  John
1   50     175   Joe
2   60     155   Sue

df = df.set_index('Name')

print (df.index)
Index(['John', 'Joe', 'Sue'], dtype='object', name='Name')

print (df.index.get_level_values(0))
Index(['John', 'Joe', 'Sue'], dtype='object', name='Name')

print (df.index.get_level_values('Name'))
Index(['John', 'Joe', 'Sue'], dtype='object', name='Name')

print (len(df.index))
3

---

我想您可以通过以下方式选择

索引

：

df.index

或用于

多索引

，但也可用于

索引

：

#select by position
df.index.get_level_values(0)
#select by name of level
df.index.get_level_values('Name')

因此，您可以使用：

len(df.index)

样本：

df = pd.DataFrame({'Name':['John','Joe','Sue'],
                   'Age':[40,50,60],
                   'Height':[180,175,155]})

print (df)
   Age  Height  Name
0   40     180  John
1   50     175   Joe
2   60     155   Sue

df = df.set_index('Name')

print (df.index)
Index(['John', 'Joe', 'Sue'], dtype='object', name='Name')

print (df.index.get_level_values(0))
Index(['John', 'Joe', 'Sue'], dtype='object', name='Name')

print (df.index.get_level_values('Name'))
Index(['John', 'Joe', 'Sue'], dtype='object', name='Name')

print (len(df.index))
3

---

事实上，我的问题比那复杂一点。我正在尝试像groups=df.groupby（level=['Name'，'Field2']）['Name'].agg（{'Count'：'Count'}）这样的操作，但是我不能在agg调用之前访问“Name”。是的，它更复杂。你能详细解释一下索引级别

Name

需要做什么吗？可能需要

apply

使用自定义函数，如

groups=df.groupby（level=['Name'，Field2']）。apply（f）

在哪里可以使用level

Name

-

def（x）：print（x）Name=sum（x.index.get_level_值（'Name'））返回pd.Series（[Name，x]）['Count'].Count（）]，index=['Name'，'Count']）

我试图解决的原始问题是：实际上我的问题比这要复杂一些。我试图做一些类似groups=df.groupby（level=['Name'，'Field2']）['Name'].agg（{'Count'：'Count'}）的事情，但我无法访问“Name”就在agg调用之前是的，它更复杂。你能解释一下索引级别

Name

需要做什么吗？可能需要

apply

使用自定义函数，如

groups=df.groupby（level=['Name'，Field2']）。apply（f）

哪里可以使用level

Name

-

def（x）：print（x）Name=sum（x.index.get_level_values（'Name'））返回pd.Series（[Name，x['Count'].Count（）]，index=['Name'，'Count']）

我试图解决的原始问题如下：