小开

正如 HYRY 在评论中已经建议的，系列，地图是这里的方式。只需将索引设置为结果序列即可。

举个简单的例子:

df = pd.DataFrame({'d': [1, 2, 3]}, index=['FOO', 'BAR', 'BAZ'])
df
d
FOO     1
BAR     2
BAZ     3


df.index = df.index.map(str.lower)
df
d
foo     1
bar     2
baz     3

索引! = 系列

正如@OP 所指出的，df.index.map(str.lower)调用返回一个 numpy 数组。 This is because dataframe indices 是 based on numpy arrays, not Series.

将索引转换为 Series 的唯一方法是从中创建 Series。

pd.Series(df.index.map(str.lower))

注意

Index类现在是 StringAccessorMixin的子类，这意味着您可以执行以下操作

df.index.str.lower()

这仍然会生成 Index 对象，而不是 Series。

小开

假设您希望通过将函数“ foo”应用于索引，在当前 DataFrame 中创建一个列。你可以写..。

df['Month'] = df.index.map(foo)

要单独生成这个系列，你可以改为..。

pd.Series({x: foo(x) for x in foo.index})

小开

很多答案都以数组的形式返回 Index，这会丢失索引名称等信息(尽管您可以使用 pd.Series(index.map(myfunc), name=index.name))。它也不适用于 MultiIndex。

我处理这个问题的方法是使用“ rename”:

mix = pd.MultiIndex.from_tuples([[1, 'hi'], [2, 'there'], [3, 'dude']], names=['num', 'name'])
data = np.random.randn(3)
df = pd.Series(data, index=mix)
print(df)
num  name
1    hi       1.249914
2    there   -0.414358
3    dude     0.987852
dtype: float64


# Define a few dictionaries to denote the mapping
rename_dict = {i: i*100 for i in df.index.get_level_values('num')}
rename_dict.update({i: i+'_yeah!' for i in df.index.get_level_values('name')})
df = df.rename(index=rename_dict)
print(df)
num  name
100  hi_yeah!       1.249914
200  there_yeah!   -0.414358
300  dude_yeah!     0.987852
dtype: float64

唯一的诀窍是你的索引需要有唯一的标签 b/w 不同的多索引级别，但也许有人比我更聪明知道如何绕过这一点。在我看来，这种方法95% 都有效。

小开

您可以使用其 to_series()方法转换索引，然后根据需要转换 apply或 map。

ret = df.index.map(foo)                # Returns pd.Index
ret = df.index.to_series().map(foo)    # Returns pd.Series
ret = df.index.to_series().apply(foo)  # Returns pd.Series

All of the above can be assigned directly to a new or existing column of df:

df["column"] = ret

仅仅为了完整性: pd.Series.map2、 pd.Series.map3和 pd.Series.map4都是按照元素操作的。我经常使用 map来应用由 dicts或 pd.Series表示的查找。apply更通用，因为可以传递任何函数以及其他 args或 kwargs。在 pd.Series.map5中进一步讨论了 apply和 map之间的差异。我不知道为什么遗漏了 pd.Series.map1。

在数据框架索引中应用函数

索引! = 系列

注意