Pandas 将数据帧列串接为系列索引

问题

如何从该数据框的

“聚类平均值”

列创建熊猫系列，但使用

每月

、

每周

和

每日

列中的数据作为系列索引

该系列的所需输出是这样的，所有列的字符串串接+df index作为索引，“Cluster Mean”列作为值：

0_[1.0765, 3, monthly]_[1.0755, 2, weekly]_1  1.0760
1_[1.0592, 6, monthly]_[1.058, 12, weekly]_1  1.0586
2_[1.0461, 3, monthly]_[1.0459, 24, weekly]_1 1.0460

原始数据帧的屏幕截图：

数据（最小、可重复的示例）

您可以使用

apply（）

方法和

join（）

方法：

idx=df.index.astype(str)+'_'+df.apply(lambda x:'_'.join((str(x['monthly']),str(x['weekly']),str(x['daily']))),1)

val=df['Cluster Mean']

result=pd.Series(index=idx,data=val.values.tolist())

注意：在上述代码中，idx变量存储索引值，val变量存储该索引的值

最后使用

Series（）

方法：

idx=df.index.astype(str)+'_'+df.apply(lambda x:'_'.join((str(x['monthly']),str(x['weekly']),str(x['daily']))),1)

val=df['Cluster Mean']

result=pd.Series(index=idx,data=val.values.tolist())

现在，如果您打印

结果

，您将获得所需的输出（系列）：

您可以使用

apply（）

方法和

join（）

方法：

idx=df.index.astype(str)+'_'+df.apply(lambda x:'_'.join((str(x['monthly']),str(x['weekly']),str(x['daily']))),1)

val=df['Cluster Mean']

result=pd.Series(index=idx,data=val.values.tolist())

注意：在上述代码中，idx变量存储索引值，val变量存储该索引的值

最后使用

Series（）

方法：

idx=df.index.astype(str)+'_'+df.apply(lambda x:'_'.join((str(x['monthly']),str(x['weekly']),str(x['daily']))),1)

val=df['Cluster Mean']

result=pd.Series(index=idx,data=val.values.tolist())

现在，如果您打印

结果

，您将获得所需的输出（系列）：

---

如果axis为

1

，则可以使用

row.name

直接访问中的行索引

在联接行值之后，可以使用从系列创建新的数据帧

def join_行（行）：
cols=[row.name]+row[['monthly'、'weekly'、'daily']]].values.tolist（）
返回'.'.join（映射（str，cols））
结果=pd.concat（[df.apply（连接行，轴=1），df['聚类平均值']，轴=1）

---

如果axis为

1

，则可以使用

row.name

直接访问中的行索引

在联接行值之后，可以使用从系列创建新的数据帧

def join_行（行）：
cols=[row.name]+row[['monthly'、'weekly'、'daily']]].values.tolist（）
返回'.'.join（映射（str，cols））
结果=pd.concat（[df.apply（连接行，轴=1），df['聚类平均值']，轴=1）