我正在尝试访问函数中的一行索引，该函数应用于Pandas中的整个DataFrame。我有这样的想法：
df=pandas.DataFrame（[[1,2,3]，[4,5,6]]，columns=['a'，'b'，'c']））
&燃气轮机&燃气轮机&燃气轮机；df
a、b、c
0 1 2 3
1 4 5 6
我将定义一个函数，用于访问具有给定行的元素
def rowFunc（行）：
返回行['a']+行['b']*行['c']
我可以这样应用它：
df['d']=df.apply（rowFunc，axis=1）
&燃气轮机&燃气轮机&燃气轮机；df
a、b、c、d
0 1 2 3 7
1 4 5 6 34
太棒了！现在，如果我想将索引合并到我的函数中呢？
在添加d之前，此数据帧中任何给定行的索引将是索引（[u'a'，u'b'，u'c'，u'd']，dtype='object'），但我需要0和1。所以我不能只访问行.index
我知道我可以在存储索引的表中创建一个临时列，但我想知道它是否存储在row对象的某个地方
在这种情况下，要访问索引，请访问name属性：
[182]on
：
df=pd.DataFrame（[[1,2,3]，[4,5,6]]，列=['a'，'b'，'c']）
def rowFunc（世界其他地区）：
返回行['a']+行['b']*行['c']
def行索引（行）：
返回row.name
df['d']=df.apply（rowFunc，axis=1）
df['rowIndex']=df.apply（rowIndex，axis=1）
df
Output[182]：
b、c、d行索引
0 1 2 3 7 0
1 4 5 6 34 1
请注意，如果这确实是您正在尝试的操作，则以下操作会起作用，并且速度会快得多：
[198]on
：
df['d']=df['a']+df['b']*df['c']
df
Output[198]：
a、b、c、d
0 1 2 3 7
1 4 5 6 34
At[199]on：
%timeit df['a']+df['b']*df['c']
%timeit df.apply（行索引，轴=1）
10000个回路，最好为3个：每个回路163µs
1000个回路，最好为3个：每个回路286µs
编辑
3年多后再看这个问题，你可以：
[15]on
：
df['d']，df['rowIndex']=df['a']+df['b']*df['c']，df.index
df
Output[15]：
b、c、d行索引
0 1 2 3 7 0
1 4 5 6 34 1
但是，假设它没有这么简单，无论您的rowFunc真正在做什么，您都应该使用向量化函数，然后针对df索引使用它们：
[16]on
：
df['newCol']=df['a']+df['b']+df['c']+df.index
df
Output[16]：
a b c d行索引newCol
0 1 2 3 7 0 6
1 4 5 6 34 1 16