ts_code = ((df[df['ts_code'].str.contains('[HZ]')]).loc[:,'ts_code']) 给ts_code去重后增加单引号 不修改原标

如果你不想修改原始数据框，可以将之前的代码修改如下：

ts_code = (df[df['ts_code'].str.contains('[HZ]')]['ts_code']
           .drop_duplicates()
           .apply(lambda x: f"'{x}'")
           .reset_index(drop=True))

这里，`reset_index(drop=True)` 方法用于重置索引，这样你就可以得到一个新的 Series 对象，其中包含了去重和添加单引号后的 `ts_code` 值，而不会修改原始数据框。

相关问题

ts_code = ((df[df['ts_code'].str.contains('[HZ]')]).loc[:,'ts_code'])

这段代码是使用 Pandas 库对 DataFrame 进行操作，主要实现的功能是筛选出包含 H 或者 Z 的股票代码。具体来说，它的实现过程如下：

1. `df['ts_code'].str` 表示对 DataFrame 中的 `ts_code` 列进行字符串操作。
2. `contains('[HZ]')` 表示筛选出包含 H 或者 Z 的股票代码，其中 `[HZ]` 表示只要包含 H 或者包含 Z 就会被筛选出来。
3. `(df[df['ts_code'].str.contains('[HZ]')])` 表示经过筛选后得到的 DataFrame。
4. `loc[:,'ts_code']` 表示只选择 DataFrame 中的 `ts_code` 列。

因此，最终得到的是一个 Series，其中包含符合条件的股票代码。

ts_code = ((df[df['ts_code'].str.contains('[HZ]')]).loc[:,'ts_code']) 给ts_code去重后增加单引号

你可以使用以下代码将 `ts_code` 列中的重复值去除，并在每个字符串前后添加单引号：

ts_code = (df[df['ts_code'].str.contains('[HZ]')]['ts_code']
           .drop_duplicates()
           .apply(lambda x: f"'{x}'"))

这里，`drop_duplicates()` 方法用于去除重复值，`apply()` 方法则用于将每个字符串前后添加单引号。最终，`ts_code` 列中的每个字符串都会被包含在单引号中。