如何高效设置Pandas DataFrame的索引与列轴？寻求更优方案

以下是几种比两次链式调用set_axis更简洁的实现方式：

1. 直接构造新DataFrame（最简洁） #

直接基于原DataFrame的数据创建新对象，同时指定索引和列：

df = pd.DataFrame(df, index=new_index, columns=new_columns)

这种方式一行代码完成需求，返回新的DataFrame对象，不会修改原数据。需要注意：如果原DataFrame包含复杂数据类型（如category、datetime64），该方法会保留原有类型；但如果原DataFrame有自定义元数据（如索引/列的名称），需要额外手动赋值。

2. 原地修改属性（最高效） #

如果允许直接修改原DataFrame，可以直接赋值给index和columns属性：

df.index = new_index
df.columns = new_columns

这种方式没有额外的函数调用开销，执行效率最高。若不想修改原数据，先复制再赋值：

new_df = df.copy()
new_df.index = new_index
new_df.columns = new_columns

3. 优化你的工具函数 #

如果偏好函数式调用风格，可以简化你的工具函数，利用Pandas的链式调用特性：

def set_axes(df, index, columns):
    return df.set_axis(index, axis=0).set_axis(columns, axis=1)

# 调用方式
df = set_axes(df, new_index, new_columns)

或者用更简洁的lambda版本快速封装：

set_axes = lambda df, idx, cols: df.set_axis(idx, 0).set_axis(cols, 1)

注意事项 #

• Pandas目前没有内置的df.set_axes(index, columns)方法，上述几种方式都是官方认可的替代方案。
• 若处理大表，构造新DataFrame会有一定内存开销，此时原地修改属性的方式更适合。

内容的提问来源于stack exchange，提问作者LogZ