Python 如何在DataFrame中存储行和列索引的名称？_Python_Pandas

Python 如何在DataFrame中存储行和列索引的名称？

python pandas

Python 如何在DataFrame中存储行和列索引的名称？,python,pandas,Python,Pandas,我有一个带有命名行和列索引的DataFrame： import numpy as np import pandas as pd I = pd.Index(["a", "b", "c", "d"], name="rows") C = pd.Index(["col0", "col1", "col2"], name="cols") df = pd.DataFrame(data=np.random.rand(4, 3), index=I,

我有一个带有命名行和列索引的

DataFrame

：

import numpy as np
import pandas as pd

I = pd.Index(["a", "b", "c", "d"], name="rows")
C = pd.Index(["col0", "col1", "col2"], name="cols")
df = pd.DataFrame(data=np.random.rand(4, 3),
                  index=I,
                  columns=C)

我曾尝试将其存储为多种格式（Excel、CSV），但在重新读取文件时，名称丢失（可能我错过了一些选项）

Msgpack

可以工作，但它被标记为实验性的，所以我现在宁愿避免使用它。我还希望避免

pickle

。是否有任何方法（格式和选项）存储两个索引的名称

编辑： 我知道如何与熊猫一起书写和阅读CSV。问题是保存列索引和行索引的名称。

header=True

（对于列名）和

index=True

（对于索引值）在

df中。to_csv

应该可以做到这一点。默认情况下，二者都是

True

，比如文档。但是，加载后必须手动设置索引，因为它是作为常规列加载的。为此，我在索引中添加了一个名称：

import numpy as np
import pandas as pd

# your code:
I = pd.Index(["a", "b", "c", "d"], "rows")
C = pd.Index(["col0", "col1", "col2"], "cols")
df = pd.DataFrame(data=np.random.rand(4, 3),
                  index=I,
                  columns=C)

# name the index
I.name = 'index'

print "original:"
print df
print ""

df.to_csv("~/test.csv", index=True, header=True)

df2 = pd.read_csv("~/test.csv").set_index('index')

print "read from disk:"
print df2
print ""

输出：

original:
           col0      col1      col2
index                              
a      0.455378  0.830872  0.495953
b      0.707146  0.832009  0.112540
c      0.894997  0.156364  0.521047
d      0.775462  0.482554  0.578177

read from disk:
           col0      col1      col2
index                              
a      0.455378  0.830872  0.495953
b      0.707146  0.832009  0.112540
c      0.894997  0.156364  0.521047
d      0.775462  0.482554  0.578177

您可以使用将数据帧导出到csv文件，并使用将其读回。我将您已有的代码扩展如下：

#!/usr/bin/env python3
# coding: utf-8

import numpy as np
import pandas as pd

I = pd.Index(["a", "b", "c", "d"], "rows")
C = pd.Index(["col0", "col1", "col2"], "cols")
df = pd.DataFrame(data=np.random.rand(4,3), index=I, columns=C)

# export DataFrame to csv
df.to_csv('out.csv')

# set index_col in order to read first column as indices
df_in = pd.read_csv('out.csv', index_col=0)

       col0      col1      col2
a  0.590016  0.834033  0.535310
b  0.421589  0.897302  0.029500
c  0.373580  0.109005  0.239181
d  0.473872  0.075918  0.751628

因此数据帧

df

如下所示：

       col0      col1      col2
a  0.590016  0.834033  0.535310
b  0.421589  0.897302  0.029500
c  0.373580  0.109005  0.239181
d  0.473872  0.075918  0.751628

,col0,col1,col2
a,0.5900160748408918,0.8340332218911729,0.5353103406507513
b,0.42158899389955884,0.8973015040807538,0.029500416731096046
c,0.37357951184145965,0.10900495955642386,0.2391805787788026
d,0.47387186813644167,0.07591794371425187,0.7516279365972057

column_labels = df.columns.get_values()
>>> array(['col0', 'col1', 'col2'], dtype=object)

index_labels = df.index.get_values()
>>> array(['a', 'b', 'c', 'd'], dtype=object)

csv文件

out.csv

如下所示：

       col0      col1      col2
a  0.590016  0.834033  0.535310
b  0.421589  0.897302  0.029500
c  0.373580  0.109005  0.239181
d  0.473872  0.075918  0.751628

,col0,col1,col2
a,0.5900160748408918,0.8340332218911729,0.5353103406507513
b,0.42158899389955884,0.8973015040807538,0.029500416731096046
c,0.37357951184145965,0.10900495955642386,0.2391805787788026
d,0.47387186813644167,0.07591794371425187,0.7516279365972057

column_labels = df.columns.get_values()
>>> array(['col0', 'col1', 'col2'], dtype=object)

index_labels = df.index.get_values()
>>> array(['a', 'b', 'c', 'd'], dtype=object)

读回中的数据将导致数据帧

df\u in

，如下所示：

#!/usr/bin/env python3
# coding: utf-8

import numpy as np
import pandas as pd

I = pd.Index(["a", "b", "c", "d"], "rows")
C = pd.Index(["col0", "col1", "col2"], "cols")
df = pd.DataFrame(data=np.random.rand(4,3), index=I, columns=C)

# export DataFrame to csv
df.to_csv('out.csv')

# set index_col in order to read first column as indices
df_in = pd.read_csv('out.csv', index_col=0)

       col0      col1      col2
a  0.590016  0.834033  0.535310
b  0.421589  0.897302  0.029500
c  0.373580  0.109005  0.239181
d  0.473872  0.075918  0.751628

因此

df2

与

df

完全相同，这表明导出和所需的导入工作正常

编辑以导出列和索引名称：

但是，这使得重新导入有点困难，因为列名称是作为附加列添加的。通常，这对多索引数据很有用，但在这里会导致额外的空列

因此，我建议仅导出索引名称：

# export DataFrame to csv
df.to_csv('out.csv', index_label=df.index.name)

# set index_col in order to read first column as indices
df_in = pd.read_csv('out.csv', index_col=0)

这导致中的

df_为：
          col0      col1      col2
rows                              
a     0.442467  0.959260  0.626502
b     0.639044  0.989795  0.853002
c     0.576137  0.350260  0.532920
d     0.235698  0.095978  0.194151

我不知道为什么您需要导出索引和列的名称。如果您只想访问行或列名，可以按如下方式获取它们的标签：
       col0      col1      col2
a  0.590016  0.834033  0.535310
b  0.421589  0.897302  0.029500
c  0.373580  0.109005  0.239181
d  0.473872  0.075918  0.751628

,col0,col1,col2
a,0.5900160748408918,0.8340332218911729,0.5353103406507513
b,0.42158899389955884,0.8973015040807538,0.029500416731096046
c,0.37357951184145965,0.10900495955642386,0.2391805787788026
d,0.47387186813644167,0.07591794371425187,0.7516279365972057

column_labels = df.columns.get_values()
>>> array(['col0', 'col1', 'col2'], dtype=object)

index_labels = df.index.get_values()
>>> array(['a', 'b', 'c', 'd'], dtype=object)

这里的数据帧实际上有索引名吗？我需要在我的电脑上写字
I = pd.Index(["a", "b", "c", "d"], name="rows")

而不是
I = pd.Index(["a", "b", "c", "d"], "rows")

用于实际指定的名称。然后使用df.to_csv（）和pd.read_csv（）保存索引名（在csv中，索引名就像另一列一样保存）
如果这不起作用，您是否需要能够用Python以外的程序打开它？如果没有，您可以使用pickle，它应该保持对象不变：
import pickle

pickle.dump(df, open("File.pickled", "wb"))

df_read = pickle.load(open("File.pickled", "rb"))

编辑：如果您希望使用to_csv（）保留列索引的名称，您可以执行以下操作：
将其保存为（将列索引转换为行，从而将其列索引名称设置为行索引值）
然后用这两种方法中的任何一种来阅读，第一种（非常）稍微快一点：
df_read = pd.read_csv("DataFrame.csv", index_col=0)
df_read.columns = df_read.loc['cols']
df_read = df_read.drop('cols', axis=0)

或
您可以使用hdf
import numpy as np
import pandas as pd
I = pd.Index(["a", "b", "c", "d"], name="rows")
C = pd.Index(["col0", "col1", "col2"], name="columns")
df = pd.DataFrame(data=np.random.rand(4,3), index=I, columns=C)
print(df)

columns      col0      col1      col2
rows                                 
a        0.098497  0.918954  0.642800
b        0.168266  0.678434  0.455059
c        0.434939  0.244027  0.599400
d        0.877356  0.053085  0.182661

df.to_hdf('test.hdf', 'test')
print(pd.read_hdf('test.hdf'))

columns      col0      col1      col2
rows                                 
a        0.098497  0.918954  0.642800
b        0.168266  0.678434  0.455059
c        0.434939  0.244027  0.599400
d        0.877356  0.053085  0.182661

哎呀！刚刚意识到。。。谢谢，我会纠正这个问题。然而，问题是当您同时拥有列和行的名称时。嗯，我还希望避免pickle
@MathieuDubois使用pickle将同时保存列和行名称，但是如果您想要避免，可以在保存到CSV之前将列索引设置为行。我已经用相应的代码更新了我的答案。我的代码包含一个错误（很抱歉）：没有正确设置的名称。我知道如何保存在CSV中。问题是保存索引的名称。在您的代码中，

中的

df_的列索引将不会设置。我也尝试过播放index_label
，但没有成功（如您所述，很难重读）。我认为CSV文件无法正确处理这一问题。我希望Excel可以工作，但据我所知，它不能。你需要这些名称做什么？我不需要这些名称，但有时它们很方便（特别是对于多索引或复杂的df）。这是我设置它们的主要原因。我已经阅读了您的答案，但它不是我想要的（我只想存储名称，而不是访问值）@Goyo answer提供了一个基于HDF格式的简单答案。我的代码包含一个错误（很抱歉）：没有正确设置的名称。问题是如何保存行索引的名称和列索引的名称。代码的第一个版本是错误的（未保存的名称）。很抱歉。访问和导出索引和列的名称根本不是问题。但是，我正在考虑导入导出数据的正确方法，因为这仅在使用多索引时才有意义。但是您不需要使用多索引来正确访问数据。这似乎是一个完美的交易！