根据索引分配序列值

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

我可以根据其索引设置序列值吗？ 假设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轻松完成此操作：

>>> 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df['old_column'] = df.index.dayofweek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()方法似乎无济于事，因为它们不适用于索引值...

Answer 1

您可以这样做：

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，无法访问索引值。 但是，您可以使用时， apply上的数据帧。 因此，请先转换为数据框。

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

这演示了如何通过apply访问索引值。 如果将列dayofweek为“ s.index.dayofweek值是唯一目标，则s.index.dayofweek更为合适。