获取熊猫应用函数中的行的索引

获取熊猫应用函数中的行的索引

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.namedf['d'] = df.apply(rowFunc, axis=1)df['rowIndex'] = df.apply(rowIndex, axis=1)dfOut[182]:   a  b  c   d  rowIndex0  1  2  3   7         01  4  5  6  34         1

请注意，如果这确实是您要尝试执行的 *** 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']dfOut[198]:   a  b  c   d0  1  2  3   71  4  5  6  34In [199]:%timeit df['a'] + df['b'] * df['c']%timeit df.apply(rowIndex, axis=1)10000 loops, best of 3: 163 µs per loop1000 loops, best of 3: 286 µs per loop

编辑

3年后再看这个问题，您可以做：

In[15]:df['d'],df['rowIndex'] = df['a'] + df['b'] * df['c'], df.indexdfOut[15]:    a  b  c   d  rowIndex0  1  2  3   7         01  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，然后对df索引使用它们：

In[16]:df['newCol'] = df['a'] + df['b'] + df['c'] + df.indexdfOut[16]:    a  b  c   d  rowIndex  newCol0  1  2  3   7         0       61  4  5  6  34         1      16