我正在尝试在整个DataFramePandas中应用的函数中访问行的索引。我有这样的事情：

df = pandas.DataFrame([[1,2,3],[4,5,6]], columns=['a','b','c'])
>>> df
   a  b  c
0  1  2  3
1  4  5  6

我将定义一个函数来访问给定行的元素

def rowFunc(row):
    return row['a'] + row['b'] * row['c']

我可以这样应用它：

df['d'] = df.apply(rowFunc, axis=1)
>>> df
   a  b  c   d
0  1  2  3   7
1  4  5  6  34

太棒了！现在，如果我想将索引合并到函数中怎么办？DataFrame在添加之前，该行中任何给定行的索引都d将是Index([u'a', u'b', u'c', u'd'], dtype='object')，但是我想要0和1。所以我不能只访问row.index。

我知道我可以在存储索引的表中创建一个临时列，但是我想知道它是否存储在行对象的某个地方。

在这种情况下，要访问索引，请访问name属性：

In [182]:

df = pd.DataFrame([[1,2,3],[4,5,6]], columns=['a','b','c'])
def rowFunc(row):
    return row['a'] + row['b'] * row['c']

def rowIndex(row):
    return row.name
df['d'] = df.apply(rowFunc, axis=1)
df['rowIndex'] = df.apply(rowIndex, axis=1)
df
Out[182]:
   a  b  c   d  rowIndex
0  1  2  3   7         0
1  4  5  6  34         1

请注意，如果这确实是您要尝试执行的操作，则可以使用以下命令并且速度更快：

In [198]:

df['d'] = df['a'] + df['b'] * df['c']
df
Out[198]:
   a  b  c   d
0  1  2  3   7
1  4  5  6  34

In [199]:

%timeit df['a'] + df['b'] * df['c']
%timeit df.apply(rowIndex, axis=1)
10000 loops, best of 3: 163 µs per loop
1000 loops, best of 3: 286 µs per loop

编辑

3年后再看这个问题，您可以这样做：

In[15]:
df['d'],df['rowIndex'] = df['a'] + df['b'] * df['c'], df.index
df

Out[15]: 
   a  b  c   d  rowIndex
0  1  2  3   7         0
1  4  5  6  34         1

但是假设它并不那么简单，无论您rowFunc实际上在做什么，您都应该使用向量化函数，然后针对df索引使用它们：

In[16]:
df['newCol'] = df['a'] + df['b'] + df['c'] + df.index
df

Out[16]: 
   a  b  c   d  rowIndex  newCol
0  1  2  3   7         0       6
1  4  5  6  34         1      16

要么：

1.与row.name内线apply(..., axis=1)通话：

df = pandas.DataFrame([[1,2,3],[4,5,6]], columns=['a','b','c'], index=['x','y'])

   a  b  c
x  1  2  3
y  4  5  6

df.apply(lambda row: row.name, axis=1)

x    x
y    y

2.与iterrows()（较慢）

DataFrame.iterrows（）允许您遍历行并访问其索引：

for idx, row in df.iterrows():
    ...

要回答原始问题：是的，您可以在中访问行的索引值apply()。它在键下可用，name并且需要您指定axis=1（因为lambda处理行的列而不是列的行）。

工作示例（熊猫0.23.4）：

>>> import pandas as pd
>>> df = pd.DataFrame([[1,2,3],[4,5,6]], columns=['a','b','c'])
>>> df.set_index('a', inplace=True)
>>> df
   b  c
a      
1  2  3
4  5  6
>>> df['index_x10'] = df.apply(lambda row: 10*row.name, axis=1)
>>> df
   b  c  index_x10
a                 
1  2  3         10
4  5  6         40