Python 熊猫：将描述性Dict（）附加到层次索引（即CountryCode和CountryName）
是否仍要将描述性版本附加到索引列 例如，我使用ISO3CountryCode从不同的数据源进行合并 'AUS'->Australia等。这对于合并不同的数据源非常方便，但是当我想要打印数据时，我希望使用描述版本（即澳大利亚）。我想象的是一个附在“CountryCode”（其中CountryCode是键，CountryName是值）索引列上的字典，以及一个将打印值而不是用于数据处理的键的标志Python 熊猫：将描述性Dict（）附加到层次索引（即CountryCode和CountryName）,python,pandas,Python,Pandas,是否仍要将描述性版本附加到索引列 例如，我使用ISO3CountryCode从不同的数据源进行合并 'AUS'->Australia等。这对于合并不同的数据源非常方便，但是当我想要打印数据时，我希望使用描述版本（即澳大利亚）。我想象的是一个附在“CountryCode”（其中CountryCode是键，CountryName是值）索引列上的字典，以及一个将打印值而不是用于数据处理的键的标志 最好的解决方案是生成我自己的字典（），然后打印或绘制图表，然后将国家名称合并到其中？这是可以的，只是所有的
最好的解决方案是生成我自己的字典（），然后打印或绘制图表，然后将国家名称合并到其中？这是可以的，只是所有的数据集信息都可以在dataframe对象中携带 我认为最简单的解决方案是在您的数据框架中将其分为两列，一列表示国家代码和国家名称（您可以将它们命名为其他名称）
当您打印或绘制图表时，您可以选择使用哪一列。我认为最简单的解决方案是在您的数据框中将其分为两列，一列表示国家代码和国家名称（您可以将它们命名为其他名称）
打印或绘制图表时，您可以选择使用哪一列。索引选项有一种格式方法，允许您以函数的形式应用格式化程序：
In [1]: df = DataFrame([1,2], index=['AUS','CAN']); df
Out[1]:
0
AUS 1
CAN 2
In [2]: d = {'AUS':'Australia', 'CAN':'Canada'}
In [3]: df.index.format(formatter = lambda x: d.get(x, x))
Out[3]: ['Australia', 'Canada']
不过，我不确定您将如何实际使用它。索引选项有一种格式方法，允许您以函数的形式应用格式化程序：
In [1]: df = DataFrame([1,2], index=['AUS','CAN']); df
Out[1]:
0
AUS 1
CAN 2
In [2]: d = {'AUS':'Australia', 'CAN':'Canada'}
In [3]: df.index.format(formatter = lambda x: d.get(x, x))
Out[3]: ['Australia', 'Canada']
不过，我不确定您将如何实际使用它。同意，除了我经常使用stack（）和unstack（）来重塑数据（即，在不同年份获得平衡的面板）。我不希望将多余的CountryName信息作为这些数据透视中的指定索引进行传递，而是将索引保持在最小信息量，以便快速引用。在所有的重塑之后，我可以将国家名称合并为一个单独的列。或者保留一个dict/序列，将列代码与列名称合并，然后在重塑之后，执行
df['country\u name']=df.country\u code.apply（d.get）df['country\u name']=df.country\u code.apply（d.get）