时间戳

首页 > 解决方案 > 如何增加 Dataframe 行名称值？

python - 如何增加 Dataframe 行名称值？

问题描述

我有这个数据框：

              OP1    OP2       OP3       OP4        OP5        OP6        OP7        OP8        OP9       OP10       Total
Simulation1   NaN    0.0    471294.2  692828.5  1107766.9  1580052.7  2452123.5  4374088.4  4545222.2  4764249.9  19987626.3 


              OP1    OP2       OP3       OP4       OP5        OP6        OP7        OP8        OP9       OP10       Total
Simulation1   NaN    0.0    333833.4  573533.5  948961.2  1343783.2  2354595.9  4061858.2  4348907.9  4769410.1  18734883.4 


              OP1    OP2       OP3       OP4       OP5        OP6        OP7        OP8        OP9       OP10       Total
Simulation1   NaN    0.0     441838.4  660710.6  976074.4  1391775.4  2002799.8  3921497.8  3708159.7  3852268.8  16955124.9

我需要这样的行名：

   OP1    OP2       OP3       OP4        OP5        OP6        OP7        OP8          OP9         OP10          Total

Simulation1   NaN    0.0    471294.2  692828.5  1107766.9  1580052.7   2452123.5   4374088.4   4545222.2    4764249.9     19987626.3 

Simulation2   NaN    0.0    333833.4  573533.5  948961.2   1343783.2   2354595.9   4061858.2   4348907.9    4769410.1     18734883.4 

Simulation3   NaN    0.0    441838.4  660710.6  976074.4   1391775.4   2002799.8   3921497.8   3708159.7    3852268.8     16955124.9

. . . 很快

在这里我必须增加行名simulation1，simulation2...等等

我有这个代码：

 simulationDf=pd.DataFrame(columns['OP1','OP2','OP3','OP4','OP5','OP6','OP7','OP8','OP9','OP10','Total'])
 simulationDf.loc['Simulation1'] = ultiCalc['Reserves']

标签： pythonpandasdataframenumpy

解决方案

似乎那是您的索引（您在第二个代码块中发布的数据框），因此您可以使用.index属性和列表理解：

df.index=['Simulation'+str(x) for x in range (1,len(df)+1)]

现在，如果您打印df，您将获得所需的输出：

              OP1    OP2       OP3       OP4        OP5        OP6        OP7        OP8          OP9         OP10          Total

Simulation1   NaN    0.0    471294.2  692828.5  1107766.9  1580052.7   2452123.5   4374088.4   4545222.2    4764249.9     19987626.3 

Simulation2   NaN    0.0    333833.4  573533.5  948961.2   1343783.2   2354595.9   4061858.2   4348907.9    4769410.1     18734883.4 

Simulation3   NaN    0.0    441838.4  660710.6  976074.4   1391775.4   2002799.8   3921497.8   3708159.7    3852268.8     16955124.9

推荐阅读