有没有办法选择作为熊猫索引的列？答案

【问题标题】：Is there a way to select a column that is an index in pandas?有没有办法选择作为熊猫索引的列？
【发布时间】：2017-04-28 03:09:15
【问题描述】：

我有一个 df，其中包含 Name、Age、Height 字段。

做完之后：

df.set_index('Name')

我不能再执行访问该列的操作，例如：

len(df['Name'])

直到我做一个：

df.reset_index()

有没有更好的方法可以在不设置和重置索引的情况下做到这一点

【问题讨论】：

标签： pandas dataframe

【解决方案1】：

我想你可以通过以下方式选择index：

df.index

或get_level_values 用于MultiIndex，但也适用于index：

#select by position
df.index.get_level_values(0)
#select by name of level
df.index.get_level_values('Name')

所以你可以使用：

len(df.index)

示例：

df = pd.DataFrame({'Name':['John','Joe','Sue'],
                   'Age':[40,50,60],
                   'Height':[180,175,155]})

print (df)
   Age  Height  Name
0   40     180  John
1   50     175   Joe
2   60     155   Sue

df = df.set_index('Name')

print (df.index)
Index(['John', 'Joe', 'Sue'], dtype='object', name='Name')

print (df.index.get_level_values(0))
Index(['John', 'Joe', 'Sue'], dtype='object', name='Name')

print (df.index.get_level_values('Name'))
Index(['John', 'Joe', 'Sue'], dtype='object', name='Name')

print (len(df.index))
3

【讨论】：

其实我的问题比这复杂一点。我正在尝试做类似 groups = df.groupby(level=['Name', 'Field2'])['Name'].agg({'Count':'count'}) 但我无法访问agg 调用之前的“名称”
是的，比较复杂。你能解释一下索引级别Name需要做什么吗？
可能需要 apply 和 groups = df.groupby(level=['Name', 'Field2']).apply(f) 这样的自定义函数，其中可以使用级别 Name - def f(x): print (x) name = sum(x.index.get_level_values('Name')) return pd.Series([name, x['Count'].count()], index=['Name', 'Count'])
我要解决的原始问题在这里：stackoverflow.com/questions/41114831/…