我認為您需要在顛倒行的順序后使用DataFrame.reset_index重置索引，因為索引不會自動更新。要對時間中的秒進行舍入，可以嘗試使用DataFrame.apply將每行中的時間字符串轉(zhuǎn)換為datetime對象，然后將該對象格式化為%H:%M:00字符串（假設(shè)秒數(shù)大于30，則不打算對秒數(shù)進行舍入），然后將結(jié)果應(yīng)用于time列或新列（在下面的示例中為round_time） import pandas as pdfrom datetime import datetimedf = pd.read_csv('./test.csv')print(df['time'].head())print(df['time'][0])df = df[::-1]df.reset_index(inplace=True, drop=True)print(df['time'].head())print(df['time'][0])df['round_time'] = df.apply(lambda row: datetime.strptime(row['time'], '%H:%M:%S').strftime("%H:%M:00"), axis=1)print(df)

一種方法是從products表中創(chuàng)建一個dictionary，將item_name列作為key，將item_tags列作為value，然后map放到orders item列中： products_dict = dict(zip(products.item_name,products.item_tags))orders['item_tags'] = orders['item'].map(products_dict) Output ordersOut[83]: item item_tags0 blue_shirt summer,winter,blue1 red_skirt spring,summer

df.iloc[:,0].str.contains('--- bios ---')仍然具有與df相同的（完整）索引。您可能需要： df.index[df.iloc[:,0].str.contains('--- bios ---')] or: df[df.iloc[:,0].str.contains('--- bios ---')].index

始終檢查文檔中您使用的方法： state_dist = df[df['candidate'] == 'Don Young']['state_dist'].to_string(index=False)

iloc[n]用于索引數(shù)據(jù)幀的一行而不是單個值，請參閱本頁 從圖像中可以看到數(shù)據(jù)中有NAN個值，您可以使用.fillna()替換它們 要獲取datafame中單個值的數(shù)據(jù)類型，請嘗試df.iloc[0][0].__class__ 要獲得單個值，例如第一個元素，請使用df.iloc[0][0] 要將所有值（字符串）作為一個列表來獲取，請使用df[<column name>].values或者在本例中只使用df.values，然后使用.flatten()將其從2D列表轉(zhuǎn)換為1D列表 sample: import pandas as pd #TODOd1 = ['i', '11', '40', '42', '60' ,'50']df = pd.DataFrame(d1)df = df.fillna('')print(df.iloc[0][0].__class__)print(df.iloc[0][0])print(df.values.flatten()) Output: <class 'str'>i['i' '11' '40' '42' '60' '50']

cols = ['lat','long']df[cols] = df['Point'].apply(lambda p: pd.Series([p[0],p[1]]),index=cols) 說明：將每個點元組轉(zhuǎn)換為一個系列，apply方法的結(jié)果是一個數(shù)據(jù)幀。將結(jié)果作為新列分配給df。

如注釋中所述，預(yù)期的輸出不是有效的JSON字符串。您需要與"key":"bar"處于同一級別的"some_key":[...]。 例如groupby： json_str = json.dumps([ {'key':k, 'values':d.to_dict('records')} for k,d in df.drop('key',axis=1).groupby(df['key']) ], indent=2) Output: [ { "key": "bar", "values": [ { "count": 3, "text": "piece" }, { "count": 1, "text": "of" }, { "count": 4, "text": "text" }, { "count": 1, "text": "have" } ] }, { "key": "crow", "values": [ { "count": 7, "text": "a" }, { "count": 3, "text": "nice" }, { "count": 8, "text": "day" }, { "count": 2, "text": "friends" } ] }, { "key": "foo", "values": [ { "count": 12, "text": "hello" }, { "

您可以嘗試： set(df.values.flatten()) 并排除-1： set(df.values.flatten()).difference([-1])

import pandas as pddf = pd.DataFrame({ "y": [5, 6, 7, 8], "x": [1, 2, 3, 4], "value": [10, 11, 12, 13]})np_values = df[["x", "y", "value"]].valuesvalues_list = [tuple(np_values[i]) for i in range(np_values.shape[0])]print(values_list) prints [(1, 5, 10), (2, 6, 11), (3, 7, 12), (4, 8, 13)]

一個想法是只比較數(shù)字，所以可以使用<=： max_maturity = '20Y'#if need extract 20max_maturity = int(''.join(filter(str.isdigit, max_maturity)))max_maturity = 20#remove Ydf = df[df['maturity'].str.replace('Y','').astype(int) <= max_maturity]#get numbers only#df = df[df['maturity'].str.extract('(\d+)', expand=False).astype(int) <= max_maturity]print (df) maturity spot rate0 1Y 0.1821 2Y 0.2022 3Y 0.2843 4Y 0.4264 5Y 0.5855 6Y 0.7456 7Y 0.8927 8Y 1.0218 9Y 1.1309 10Y 1.22410 12Y 1.37511 15Y 1.52212 20Y 1.653 使用Series.shift移動掩碼的解決方案： idx = data.index[data.maturity.str.contains(max_maturity,na=False).shift(fil

注意：假設(shè)一次存儲所有年份的信息，而不是僅存儲一年的信息是非常好的，這樣您就可以在以后的處理中簡單地進行篩選。看看，你們國家之間"GRC""HUN"缺少一個“，” 有不同的選擇來實現(xiàn)你的目標(biāo)，只要指出其中兩個正確的方向。 Option #1 從json響應(yīng)中選擇所需的信息，創(chuàng)建一個經(jīng)過整形的dict并append()將其轉(zhuǎn)換為my_values： for d in data[1]: my_values.append({ 'country':d['country']['value'], 'date':d['date'], 'value':d['value'] }) Example import requestsimport pandas as pdurl = 'http://api.worldbank.org/v2/country/%s/indicator/NY.GDP.PCAP.CD?format=json'countries = ["DZA","AGO","ARG","AUS","AUT","BEL","BRA","CAN","CHL","CHN","COL","CYP", "CZE","DNK","FIN","FRA","GEO","DEU", "GRC","HUN","ISL","IND","IDN","IRL","ISR","ITA","JPN","KAZ","KWT","

import pandas as pddata = pd.read_csv('cast.csv')data_2 = data[data['type'] == 'actor']output = data_2[data['name'].str.startswith('Aaron')]print(output)

我想你可以用numpy.ravel： srs = pd.Series(np.ravel(df[columns]))print (srs)0 b1 02 b3 14 c5 26 d7 3dtype: object Or DataFrame.stack with Series.reset_index and drop=True: srs = df[columns].stack().reset_index(drop=True) 如果可以更改順序，請使用DataFrame.melt： srs = df[columns].melt()['value']print (srs)0 b1 b2 c3 d4 05 16 27 3Name: value, dtype: object

您也可以使用df.values來迭代DataFrame import pandas as pdimport numpy as npdata = {'time' : [1,2,3,4,5,6,7,8,9,10,11,12], 'values':[290,260,288,300,310,303,329,340,316,330,308,310]}df = pd.DataFrame.from_dict(data)>>> for i in df.values:... print(i)...[ 1 290][ 2 260][ 3 288][ 4 300][ 5 310][ 6 303][ 7 329][ 8 340][ 9 316][ 10 330][ 11 308][ 12 310] 此外，還可以根據(jù)列的indexes篩選所需的行

您需要提供一個索引。對于一行，它無法猜測索引應(yīng)該是什么。 df = pd.DataFrame(account_attributes,index=[0]) 如果有多行，則類似于： df = pd.DataFrame(account_attributes,index=range(len(account_attributes)))