Fatal编程技术网
  • python/
  • Python 索引列标题或名称

Python 索引列标题或名称

python pandas dataframe

Python 索引列标题或名称,python,pandas,dataframe,columnname,Python,Pandas,Dataframe,Columnname,如何在python中获取索引列名？下面是一个数据帧示例： Column 1 Index Title Apples 1 Oranges 2 Puppies 3 Ducks 4 我试图做的是获取/设置数据帧索引标题。以下是我尝试过的： import pandas as pd data = {'Column 1' : [1., 2., 3.,

如何在python中获取索引列名？下面是一个数据帧示例：

             Column 1
Index Title          
Apples              1
Oranges             2
Puppies             3
Ducks               4
我试图做的是获取/设置数据帧索引标题。以下是我尝试过的：

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

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

df.index.name
应该可以做到这一点

Python有一个
dir
函数，让您可以查询对象属性
dir（df.index）
在这里很有帮助。

如果不想创建新行，只需将其放入空单元格，则使用：

df.columns.name = 'foo'
否则，请使用：

df.index.name = 'foo'

df.columns.values
还为我们提供了列名

您可以用来删除设置为
无的列名：


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')
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



df = df.rename_axis(index=None, columns=None)
print (df)
         Column 1
Apples        1.0
Oranges       2.0
Puppies       3.0
Ducks         4.0



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



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




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


还可以使用参数
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


从版本
0.24.0+
可以使用参数
索引
和
列
：


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
：


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



df = df.rename_axis(index=None, columns=None)
print (df)
         Column 1
Apples        1.0
Oranges       2.0
Puppies       3.0
Ducks         4.0



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



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




如果
多索引
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






删除索引和列名意味着将其设置为
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



df = df.rename_axis(index=None, columns=None)
print (df)
         Column 1
Apples        1.0
Oranges       2.0
Puppies       3.0
Ducks         4.0



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



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




对于索引和列中的
多索引
，必须使用
。名称
，而不是
。名称
，并按列表或元组设置：


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


检查/设置值需要复数：


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']




删除索引和列名意味着将其设置为
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



df = df.rename_axis(index=None, columns=None)
print (df)
         Column 1
Apples        1.0
Oranges       2.0
Puppies       3.0
Ducks         4.0



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



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


和@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


使用
df.index.rename（'foo'，inplace=True）
设置索引名称


似乎此api从开始就可用。
多索引解决方案在jezrael的cyclopedic答案中，但我花了一段时间才找到它，因此我发布了一个新答案：


df.index.names
提供多索引的名称（作为冻结列表）。
仅获取索引列名
df.index.names
将适用于最新版本的pandas的单个索引或多索引

如果有人在试图找到获取索引名+列名列表的最佳方法时发现了这一点，我会发现这个答案很有用：


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，它会对性能造成不必要的影响。我很惊讶没有一个内置的方法（我遇到过）。我想我更经常需要这个，因为我正在从数据库中穿梭数据，其中dataframe索引映射到主键/唯一键，但实际上对我来说只是另一列。
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'))



到目前为止（0.16），它不起作用。或者更确切地说，它确实可以工作，但一旦数据帧得到修改，它就会删除索引名。应该可以在数据帧创建时指定索引名。e、 g.
pd.DataFrame（值，索引={“索引名称”：索引值}）
。我不明白为什么不允许或不实现这一点？您可以直接使用索引进行构造以添加name@Jeff，看起来像是您观察到的先构造索引（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
它应该以dict作为参数从pandas.dataframe构建如果它是一个多索引，请使用
df.index.names
而不是
df.index.name
。刚刚发现它是列名称的名称。难怪设置df.index.name会给您带来一个新的级别。非常感谢。我相信这应该是pandasAlso当前版本的公认答案，值得注意，正如phil在另一个
df.index.rename（'foo'，inplace=True）
中所建议的那样，我已经导入了一个字典用作数据帧，因此索引列被自动设置为无，行数为1-10。但是我想指定“names”列作为索引。如果可能的话，在绘图过程中进行此操作。有没有可能做到这一点？有没有可能在我们绘图时即时做到这一点？耶兹雷尔对最初的问题给出了正确的答案，这是关于列索引名，而不是行索引名。再加上一个完整的解释。基本上，要获得索引列名，只需使用df.index.namesWow。。。一个优雅的解决方案！虽然不是那么（功能）纯粹。。。