Python 熊猫：重新索引后访问时间戳属性

在使用pd.date\u range重新索引数据帧后，我很难理解时间戳会发生什么。如果我有以下示例，其中我使用pd.DataFrame.reindex创建更长的时间序列：

import pandas as pd
import numpy as np

idx_inital = pd.date_range('2004-03-01','2004-05-05')

df = pd.DataFrame(index = idx_inital, data={'data': np.random.randint(0,100,idx_inital.size)})

idx_new = pd.date_range('2004-01-01','2004-05-05')

df= df.reindex(idx_new, fill_value = 0)

返回所有数据都分配为0的预期结果：

现在，如果要使用“应用”指定新列，请使用：

def year_attrib(row):
    if row.index.month >2:
        result = row.index.year + 11
    else:
        result = row.index.year + 15
    return result

df['year_attrib'] = df.apply(lambda x: year_attrib(x), axis=1)

我得到一个错误：

AttributeError: ("'Index' object has no attribute 'month'", 'occurred at index 2004-01-01 00:00:00')

如果我检查每一行传递给year_attrib的内容：

看起来时间戳正在传递给Name，我不知道如何访问它。当我查看row.index时，我得到：

这种行为的原因是什么？

问题是，当对参数axis=1的数据帧使用apply函数时，数据帧的每一行都作为一个序列传递给函数。看

因此，在year_attrib函数中实际发生的是，row.index将返回该行的索引，即数据帧的列

In [5]: df.columns
Out[5]: Index(['data'], dtype='object')

因此，使用row.index.month时将引发AttributeError

如果确实要使用此函数获取所需内容，请改用row.name.month

但是仍然建议使用矢量化方式，如：

In [10]: df.loc[df.index.month>2, 'year_attrib'] = df[df.index.month>2].index.year + 11

In [11]: df.loc[df.index.month<=2, 'year_attrib'] = df[df.index.month>2].index.year + 15

In [12]: df
Out[12]:
            data  year_attrib
2004-03-01    93         2015
2004-03-02    48         2015
2004-03-03    88         2015
2004-03-04    44         2015
2004-03-05    11         2015
2004-03-06     4         2015
2004-03-07    70         2015

---

df['year\u attrib']=np.wheredf.index.month>2,22,11您不需要函数this@anky_91啊，我说得太简单了。我已经修改为func，返回一个基于row.index.year相同np的值，其中df.index.month>2，df.index.year+11，df.index.year+15感谢您的解释。我知道每一行都是作为一个系列传递的，这就是为什么我开始研究系列df.iloc[0]。我试着寻找row.Name，而不是您指出的row.Name。当您查看printrow时，它有点误导，其中n在名称中大写。我现在对apply的工作原理有了更好的了解。干杯是的，你做得对。我误解了问题的最后一部分：-。顺便说一句，您可以使用dirrow查看如何访问名称meyhod。刚刚尝试运行我得到的df.loc行：ValueError:shape mismatch:shape 126的值数组，无法广播到shape 66的索引结果，。从您的示例的外观来看，您在重新索引df之前显示了它。呃，是的，我忘了。请参阅修改后的答案。

row.index
Out[34]: Index(['data'], dtype='object')

In [5]: df.columns
Out[5]: Index(['data'], dtype='object')

In [10]: df.loc[df.index.month>2, 'year_attrib'] = df[df.index.month>2].index.year + 11

In [11]: df.loc[df.index.month<=2, 'year_attrib'] = df[df.index.month>2].index.year + 15

In [12]: df
Out[12]:
            data  year_attrib
2004-03-01    93         2015
2004-03-02    48         2015
2004-03-03    88         2015
2004-03-04    44         2015
2004-03-05    11         2015
2004-03-06     4         2015
2004-03-07    70         2015