Python pandas set_index()致索引值与列名异常的解决方法

问题背景 #

DataFrame列名出现(date,)、(outbound,)这类带括号和逗号的格式，执行df.set_index('date', inplace=True)后，索引值变成(2018-08-10,)格式，需要批量清理索引，仅保留数字和连字符组成的日期内容。

解决方案 #

方法1：直接清理现有索引

如果已经将date设为索引，可直接对索引执行字符串替换：

# 正则替换掉括号和逗号
df.index = df.index.str.replace(r'[(),]', '', regex=True)

方法2：正则提取日期格式内容

如果需要更精准匹配日期格式（YYYY-MM-DD），可以用正则提取：

import re
# 提取索引中符合日期格式的部分
df.index = df.index.map(lambda x: re.findall(r'\d{4}-\d{2}-\d{2}', x)[0])

方法3：从根源清理（先处理列名和date列）

先清理列名的多余符号，再处理date列内容，最后设置索引：

# 清理所有列名的括号和逗号
df.columns = df.columns.str.replace(r'[(),]', '', regex=True)
# 清理date列的多余符号
df['date'] = df['date'].str.replace(r'[(),]', '', regex=True)
# 设置date为索引
df.set_index('date', inplace=True)

内容的提问来源于stack exchange，提问作者Jenna