我刚开始使用用户定义的函数，所以这可能不是一个很复杂的问题，请原谅。
我有几个数据帧，它们都有一个名为“interval_time”的列(例如)，我想重命名此列“Timestamp”，然后将这个重命名的列放入索引中。
我知道我可以用它手动完成；
df = df.rename(index=str, columns={'interval_time': 'Timestamp'})
df = df.set_index('Timestamp')
但现在我想定义一个名为 rename 的函数来为我做这件事。我已经看到这行得通；
def rename_col(data, col_in='tempus_interval_time', col_out='Timestamp'):
return data.rename(index=str, columns={col_in: col_out}, inplace=True)
但是当我尝试添加第二个函数时它似乎没有做任何事情，但是如果我将第二部分定义为它自己的函数并运行它似乎确实有效。
我正在尝试这个
def rename_n_index(data, col_in='tempus_interval_time', col_out='Timestamp'):
return data.rename(index=str, columns={col_in: col_out}, inplace=True)
return data.set_index('Timestamp', inplace=True)
我使用的数据框具有以下形式；
df_scada
interval_time A ... X Y
0 2010-11-01 00:00:00 0.0 ... 396.36710 381.68860
1 2010-11-01 00:05:00 0.0 ... 392.97974 381.40634
2 2010-11-01 00:10:00 0.0 ... 390.15695 379.99493
3 2010-11-01 00:15:00 0.0 ... 389.02786 379.14810
请您参考如下方法:
您不需要返回任何东西，因为您的操作是就地完成的。您可以在函数中进行就地更改:
def rename_n_index(data, col_in='tempus_interval_time', col_out='Timestamp'):
data.rename(index=str, columns={col_in: col_out}, inplace=True)
data.set_index('Timestamp', inplace=True)
以及您传递给函数的数据框的任何其他引用都将看到所做的更改:
>>> import pandas as pd
>>> df = pd.DataFrame({'interval_time': pd.to_datetime(['2010-11-01 00:00:00', '2010-11-01 00:05:00', '2010-11-01 00:10:00', '2010-11-01 00:15:00']),
... 'A': [0.0] * 4}, index=range(4))
>>> df
A interval_time
0 0.0 2010-11-01 00:00:00
1 0.0 2010-11-01 00:05:00
2 0.0 2010-11-01 00:10:00
3 0.0 2010-11-01 00:15:00
>>> def rename_n_index(data, col_in='tempus_interval_time', col_out='Timestamp'):
... data.rename(index=str, columns={col_in: col_out}, inplace=True)
... data.set_index('Timestamp', inplace=True)
...
>>> rename_n_index(df, 'interval_time')
>>> df
A
Timestamp
2010-11-01 00:00:00 0.0
2010-11-01 00:05:00 0.0
2010-11-01 00:10:00 0.0
2010-11-01 00:15:00 0.0
在上面的示例中，对数据框的 df 引用显示了函数所做的更改。
如果删除 inplace=True 参数，方法调用将返回一个新的数据框对象。您可以将中间结果存储为局部变量，然后将第二种方法应用于该局部变量中引用的数据帧:
def rename_n_index(data, col_in='tempus_interval_time', col_out='Timestamp'):
renamed = data.rename(index=str, columns={col_in: col_out})
return renamed.set_index('Timestamp')
或者您可以将方法调用直接链接到返回的对象:
def rename_n_index(data, col_in='tempus_interval_time', col_out='Timestamp'):
return data.rename(index=str, columns={col_in: col_out})\
.set_index('Timestamp'))
因为 renamed 已经是一个新的数据框，您可以就地调用 set_index() 到该对象，然后只返回 renamed，还有:
def rename_n_index(data, col_in='tempus_interval_time', col_out='Timestamp'):
renamed = data.rename(index=str, columns={col_in: col_out})
renamed.set_index('Timestamp', inplace=True)
return renamed
无论哪种方式，这都会返回一个新数据框对象，并保持原始数据框不变:
>>> def rename_n_index(data, col_in='tempus_interval_time', col_out='Timestamp'):
... renamed = data.rename(index=str, columns={col_in: col_out})
... return renamed.set_index('Timestamp')
...
>>> df = pd.DataFrame({'interval_time': pd.to_datetime(['2010-11-01 00:00:00', '2010-11-01 00:05:00', '2010-11-01 00:10:00', '2010-11-01 00:15:00']),
... 'A': [0.0] * 4}, index=range(4))
>>> rename_n_index(df, 'interval_time')
A
Timestamp
2010-11-01 00:00:00 0.0
2010-11-01 00:05:00 0.0
2010-11-01 00:10:00 0.0
2010-11-01 00:15:00 0.0
>>> df
A interval_time
0 0.0 2010-11-01 00:00:00
1 0.0 2010-11-01 00:05:00
2 0.0 2010-11-01 00:10:00
3 0.0 2010-11-01 00:15:00
