Pandas：向数据框添加新列，该列是索引列的副本

问题描述：

我有一个数据框，想用 matplotlib 绘制它，但是索引列是时间，所以我无法绘制它。

这是数据框（df3）：

但是当我尝试以下操作时：

plt.plot(df3['magnetic_mag mean'], df3['YYYY-MO-DD HH-MI-SS_SSS'], label='FDI')

我显然收到了一个错误：

KeyError: 'YYYY-MO-DD HH-MI-SS_SSS'

所以我想要做的是向我的数据框添加一个新的额外列（名为“时间”），它只是索引列的副本。

我该怎么做？

这是整个代码：

#Importing the csv file into df
df = pd.read_csv('university2.csv', sep=";", skiprows=1)

#Changing datetime
df['YYYY-MO-DD HH-MI-SS_SSS'] = pd.to_datetime(df['YYYY-MO-DD HH-MI-SS_SSS'], 
                                               format='%Y-%m-%d %H:%M:%S:%f')

#Set index from column
df = df.set_index('YYYY-MO-DD HH-MI-SS_SSS')

#Add Magnetic Magnitude Column
df['magnetic_mag'] = np.sqrt(df['MAGNETIC FIELD X (μT)']**2 + df['MAGNETIC FIELD Y (μT)']**2 + df['MAGNETIC FIELD Z (μT)']**2)

#Subtract Earth's Average Magnetic Field from 'magnetic_mag'
df['magnetic_mag'] = df['magnetic_mag'] - 30

#Copy interesting values
df2 = df[[ 'ATMOSPHERIC PRESSURE (hPa)',
          'TEMPERATURE (C)', 'magnetic_mag']].copy()

#Hourly Average and Standard Deviation for interesting values 
df3 = df2.resample('H').agg(['mean','std'])
df3.columns = [' '.join(col) for col in df3.columns]

df3.reset_index()
plt.plot(df3['magnetic_mag mean'], df3['YYYY-MO-DD HH-MI-SS_SSS'], label='FDI')  

谢谢 ！！

解决方案 1：

我认为你需要reset_index：

df3 = df3.reset_index()

可能的解决方案，但我认为inplace这不是好的做法，请检查这个和这个：

df3.reset_index(inplace=True)

但是如果您需要新的列，请使用：

df3['new'] = df3.index

我认为你可以read_csv做得更好：

df = pd.read_csv('university2.csv', 
                 sep=";", 
                 skiprows=1,
                 index_col='YYYY-MO-DD HH-MI-SS_SSS',
                 parse_dates='YYYY-MO-DD HH-MI-SS_SSS') #if doesnt work, use pd.to_datetime

然后省略：

#Changing datetime
df['YYYY-MO-DD HH-MI-SS_SSS'] = pd.to_datetime(df['YYYY-MO-DD HH-MI-SS_SSS'], 
                                               format='%Y-%m-%d %H:%M:%S:%f')
#Set index from column
df = df.set_index('YYYY-MO-DD HH-MI-SS_SSS')

编辑：如果是 MultiIndex 或Index来自 groupby 操作，可能的解决方案是：

df = pd.DataFrame({'A':list('aaaabbbb'),
                   'B':list('ccddeeff'),
                   'C':range(8),
                   'D':range(4,12)})
print (df)
   A  B  C   D
0  a  c  0   4
1  a  c  1   5
2  a  d  2   6
3  a  d  3   7
4  b  e  4   8
5  b  e  5   9
6  b  f  6  10
7  b  f  7  11

df1 = df.groupby(['A','B']).sum()
print (df1)
      C   D
A B        
a c   1   9
  d   5  13
b e   9  17
  f  13  21

添加参数as_index=False：

df2 = df.groupby(['A','B'], as_index=False).sum()
print (df2)
   A  B   C   D
0  a  c   1   9
1  a  d   5  13
2  b  e   9  17
3  b  f  13  21

或者添加reset_index：

df2 = df.groupby(['A','B']).sum().reset_index()
print (df2)
   A  B   C   D
0  a  c   1   9
1  a  d   5  13
2  b  e   9  17
3  b  f  13  21

解决方案 2：

您可以直接访问索引并绘制图表，以下是示例：

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))

#Get index in horizontal axis
plt.plot(df.index, df[0])
plt.show()

 #Get index in vertiacal axis
 plt.plot(df[0], df.index)
 plt.show()

解决方案 3：

您还可以使用eval来实现这一点：

In [2]: df = pd.DataFrame({'num': range(5), 'date': pd.date_range('2022-06-30', '2022-07-04')}, index=list('ABCDE'))

In [3]: df
Out[3]: 
   num       date
A    0 2022-06-30
B    1 2022-07-01
C    2 2022-07-02
D    3 2022-07-03
E    4 2022-07-04

In [4]: df.eval('index_copy = index')
Out[4]: 
   num       date index_copy
A    0 2022-06-30          A
B    1 2022-07-01          B
C    2 2022-07-02          C
D    3 2022-07-03          D
E    4 2022-07-04          E