熊猫索引列标题或名称

254

如何获取python pandas中的索引列名称？这是一个示例数据框：

             Column 1
Index Title          
Apples              1
Oranges             2
Puppies             3
Ducks               4

我想做的是获取/设置数据框索引标题。这是我尝试过的：

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？

python  pandas  dataframe  columnname 
— 激进的爱德华
source

Answers:

366

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
— 杰夫
source
10
截至目前（0.16），该功能无效。或者更确切地说，它确实起作用，但是一旦DataFrame修改，它就会删除索引名称。
— Piotr Migdal
11
应该可以在创建DataFrame时指定索引名称。例如pd.DataFrame(values,index={"INDEX_NAME":index_values})。我不明白为什么不允许或执行此操作？
— denfromufa
1
您可以直接使用索引进行构造以添加名称
— Jeff
@Jeff，看起来像您的观察结果，尽管我同意@denfromufa它应该以dict作为从pandas构造的参数，但首先构造索引（并将其用于数据框的索引和列）是正确的方法。DataFrame
— Diego Aguado
3
如果是Multiindex，请使用df.index.names代替df.index.name。
— Jasha
75

您可以使用rename_axis删除设置为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

新功能在方法链中效果很好。

df = df.rename_axis('foo')
print (df)
         Column 1
foo              
Apples        1.0
Oranges       2.0
Puppies       3.0
Ducks         4.0

您还可以使用参数重命名列名称axis：

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
print df.rename_axis('foo').rename_axis("bar", axis="columns")
bar      Column 1
foo              
Apples        1.0
Oranges       2.0
Puppies       3.0
Ducks         4.0

print df.rename_axis('foo').rename_axis("bar", axis=1)
bar      Column 1
foo              
Apples        1.0
Oranges       2.0
Puppies       3.0
Ducks         4.0

从版本pandas 0.24.0+可以使用参数index和columns：

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

删除索引和列名称意味着将其设置为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

如果MultiIndex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
print (df.index.name)
None

print (df.columns.name)
col name

print (df.index.names)
['index name 1', 'index name 1']

print (df.columns.names)
['col name']
df1 = df.rename_axis(('foo','bar'))
print (df1)
col name     A  B  C  D  E  F
foo     bar                  
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

df2 = df.rename_axis('baz', axis=1)
print (df2)
baz                        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

df2 = df.rename_axis(index=('foo','bar'), columns='baz')
print (df2)
baz          A  B  C  D  E  F
foo     bar                  
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

删除索引和列名称意味着将其设置为None：

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

对于MultiIndexin索引和列，有必要.names改为.name使用list或tuple进行设置：

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/设置值必须为复数：

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']
df1 = df.rename_axis(('foo','bar'))
print (df1)
col name 1   A     B     C   
col name 2   X  Y  X  Y  X  Y
foo     bar                  
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

df2 = df.rename_axis(('baz','bak'), axis=1)
print (df2)
baz                        A     B     C   
bak                        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

df2 = df.rename_axis(index=('foo','bar'), columns=('baz','bak'))
print (df2)
baz          A     B     C   
bak          X  Y  X  Y  X  Y
foo     bar                  
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

删除索引和列名称意味着将其设置为None：

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
— 耶斯雷尔
source
7
我认为这应该是当前版本熊猫的公认答案
— Thomas Fauskanger
2
另外值得一提的，因为菲尔建议在其他df.index.rename('foo', inplace=True)见pandas.pydata.org/pandas-docs/stable/generated/...
— 托马斯Fauskanger
我已经导入了一个字典用作数据框，因此索引列自动设置为“无”，行编号为1-10。但我想将“名称”列分配为索引。如果可能，在绘制过程中执行此操作。当我们绘图时，有可能做到这一点吗？有可能做到这一点吗？
— TokyoToo
28

df.index.name 应该可以。

Python具有dir让您查询对象属性的功能。dir(df.index)在这里很有帮助。

— 懒1
source
17

用 df.index.rename('foo', inplace=True)来设置索引名。

似乎该API自pandas 0.13起可用。

— 菲尔
source
1
哇...一个优雅的解决方案！
— alfonso
13

如果您不想创建新行，而只是将其放在空单元格中，请使用：

df.columns.name = 'foo'

否则使用： 

df.index.name = 'foo'
— 基思
source
1
刚刚发现它是列名称的名称。难怪设置df.index.name会给您带来新的高度。谢谢！
— 查尔斯（Charles）
1

多索引解决方案位于jezrael的百科全书答案中，但是花了我一段时间才找到它，所以我发布了一个新答案：

df.index.names 给出多索引的名称（作为“冻结列表”）。

— 怪兽猫
source
1

只获取索引列名 df.index.names熊猫的最新版本开始，将对单个Index或MultiIndex都适用。

作为在尝试找到获取索引名+列名列表的最佳方法时发现此问题的人，我会发现此答案很有用：

names = list(filter(None, df.index.names + df.columns.values.tolist()))

这不适用于没有索引，单列索引或多索引。它避免了调用reset_index（），因为这种简单的操作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）。我猜想我经常遇到这种情况，因为我正在从数据帧索引映射到主键/唯一键的数据库中穿梭数据，但实际上这只是我的另一列。

— 黑客
source
1

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'))
— 杜西德
source
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.