Question

有一个简单的系列：

>>> s = pd.Series(index=pd.date_range('2016-09-01','2016-09-05'))
>>> s

2016-09-01   NaN
2016-09-02   NaN
2016-09-03   NaN
2016-09-04   NaN
2016-09-05   NaN
Freq: D, dtype: float64

我可以根据索引设置系列值吗？比方说，我想将系列值设置为相应索引条目的dayofweek。当然，我可以通过从头开始构建系列来轻松完成它：

>>> dr = pd.date_range('2016-09-01','2016-09-05')
>>> s = pd.Series(data=dr.dayofweek, index=dr)
>>> s

2016-09-01    3
2016-09-02    4
2016-09-03    5
2016-09-04    6
2016-09-05    0
Freq: D, dtype: int32

我也可以使用数据框来完成它：df['old_column'] = df.index.dayofweek。是否可以以类似的方式设置系列（使用唯一的“列”系列）？ .apply()和.map()方法似乎没有帮助，因为它们不适用于索引值...

Answer 1

你可以这样做：

s[s.index] = s.index.dayofweek

s
Out: 
2016-09-01    3
2016-09-02    4
2016-09-03    5
2016-09-04    6
2016-09-05    0
Freq: D, dtype: int32

Answer 2

在系列中使用apply时，无法访问索引值。但是，您可以在数据框上使用apply。因此，首先转换为数据帧。

s.to_frame().apply(lambda x: x.name.dayofweek, axis=1)

2016-09-01    3
2016-09-02    4
2016-09-03    5
2016-09-04    6
2016-09-05    0
Freq: D, dtype: int64

这是如何通过apply访问索引值的演示。如果将列指定为dayofweek值是唯一目标，则s.index.dayofweek更合适。

根据索引分配系列值

2 个答案: