Pandas 索引列标题或名称答案

【问题标题】：Pandas index column title or namePandas 索引列标题或名称
【发布时间】：2013-08-04 01:48:37
【问题描述】：

如何在 python pandas 中获取索引列名？这是一个示例数据框：

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

我要做的是获取/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？

【问题讨论】：

标签： python pandas dataframe columnname

【解决方案1】：

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

【讨论】：

截至目前（0.16）它不起作用。或者更确切地说 - 它确实有效，但是一旦 DataFrame 被修改，它就会删除索引名称。
应该可以在 DataFrame 创建时指定索引名称。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？
可以直接用Index构造添加名称
@Jeff，看起来您的观察认为首先构建索引（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 它应该将字典作为参数从 pandas.DataFrame 构造
如果是Multiindex，使用df.index.names而不是df.index.name。

【解决方案2】：

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

您也可以使用参数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

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

对于索引和列中的MultiIndex，必须使用.names 而不是.name，并通过列表或元组设置：

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

复数是检查/设置值的必要条件：

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

还有@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

【讨论】：

我相信这应该是当前熊猫版本的公认答案
另外值得注意的是，正如 phil 在另一个 df.index.rename('foo', inplace=True) 中建议的那样，请参阅 pandas.pydata.org/pandas-docs/stable/generated/…
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”列指定为索引。如果可能的话，在绘图期间这样做。是否有可能做到这一点，是否有可能在我们绘图时即时做到这一点？
jezrael 给出了原始问题的正确答案，即关于列索引名称，而不是行索引名称。加上完整的解释。基本上，要 Radical Edward 有索引列名，只需要使用 df.index.names

【解决方案3】：

df.index.name 应该可以解决问题。

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

【讨论】：

【解决方案4】：

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

似乎这个 api 从pandas 0.13 开始可用。

【讨论】：

哇...一个优雅的解决方案！

【解决方案5】：

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'

【讨论】：

刚刚发现它是列名的名称。难怪设置 df.index.name 会给你一个新的水平。谢谢！

【解决方案6】：

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'))

【讨论】：

【解决方案7】：

df.columns.values 也给我们列名

【讨论】：

【解决方案8】：

多索引的解决方案在 jezrael 的百科全书答案中，但我花了一段时间才找到它，所以我发布了一个新答案：

df.index.names 给出多索引的名称（作为 Frozenlist）。

【讨论】：

【解决方案9】：

从最新版本的 pandas 开始，仅获取索引列名称 df.index.names 将适用于单个索引或 MultiIndex。

作为在尝试找到获取索引名称+列名称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有不必要的性能损失。我很惊讶没有内置的方法（我遇到过）。我想我更经常需要这个，因为我正在从数据帧索引映射到主/唯一键的数据库中穿梭数据，但实际上对我来说只是另一列。

【讨论】：