本文介绍如何基于矩阵维度动态生成符合规范的行列索引标签（如 r1、r2… 和 c1、c2…），无需硬编码，适用于任意形状的 numpy 数组或 dataframe。
本文介绍如何基于矩阵维度动态生成符合规范的行列索引标签（如 r1、r2… 和 c1、c2…），无需硬编码，适用于任意形状的 numpy 数组或 dataframe。
在使用 Pandas 处理随机生成或外部加载的二维数据时，原始 DataFrame 默认使用数字索引（0, 1, 2…），但实际分析或展示中常需更具语义的行列标识，例如以 R1, R2, … 表示行，C1, C2, … 表示列。关键在于自动化适配任意维度——无论矩阵是 2×3、10×7 还是 1×100，标签都应严格对应其 shape。
实现的核心思路是：利用 DataFrame 的 .index 和 .columns 属性直接赋值字符串列表，而该列表通过 Python 列表推导式结合 range() 动态生成。以下是完整、可复用的代码模板：
import numpy as np
import pandas as pd
# ✅ 任意维度均可：只需修改 rows 和 cols
rows, cols = 4, 5 # 也可来自 array.shape 或用户输入
array = np.random.randint(0, 9, size=(rows, cols))
# 创建基础 DataFrame
df = pd.DataFrame(array)
# 自动生成行标签：R1, R2, ..., Rn
df.index = [f'R{i+1}' for i in range(rows)]
# 自动生成列标签：C1, C2, ..., Cm
df.columns = [f'C{i+1}' for i in range(cols)]
print(df)
运行后将输出结构清晰的带语义标签表格：
C1 C2 C3 C4 C5 R1 3 3 5 2 1 R2 1 3 4 2 0 R3 0 2 1 6 9 R4 8 2 7 5 4
? 注意事项与进阶提示：
- 标签生成逻辑完全解耦于数据内容，仅依赖
.shape，因此也适用于已存在的 DataFrame：df.index = [f'R{i+1}' for i in range(len(df))]； - 若需兼容 0 起始索引（如 R0/R1），可改为
f'R{i}'； - 对于超大表格（如万级行列），列表推导式依然高效，无需循环
append； - 如需导出为 Excel 或 HTML 并保留格式，
df.to_excel()和df.to_html()均会自动包含自定义索引与列名。
综上，该方法简洁、健壮、无副作用，是构建可读性强、维度自适应的数据报表的标准实践。
