根据索引分配系列值

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星期几。当然，我可以通过从头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 "column" 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

在系列上使用 apply 时，您无法访问索引值。但是，您可以在数据帧上使用 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 值是唯一的 objective，则 s.index.dayofweek 更为合适。

根据索引分配系列值

assign series values based on index

python

series

pandas