df = pd.DataFrame(columns=['0','90','180','270']) contrast = graycoprops(glcm, 'contrast') dissimilarity = graycoprops(glcm, 'dissimilarity') homogeneity = graycoprops(glcm, 'homogeneity') energy = graycoprops(glcm, 'energy') correlation = graycoprops(glcm, 'correlation') asm = graycoprops(glcm, 'ASM') 将下面的六个1*4的矩阵赋值给df的每一行，每一行允许自定义索引

您可以使用 `loc` 方法将这些矩阵赋值给 DataFrame 的每一行，并自定义索引。下面是一个示例：

import pandas as pd
import numpy as np

df = pd.DataFrame(columns=['0', '90', '180', '270'])

contrast = np.array([1, 2, 3, 4])
dissimilarity = np.array([5, 6, 7, 8])
homogeneity = np.array([9, 10, 11, 12])
energy = np.array([13, 14, 15, 16])
correlation = np.array([17, 18, 19, 20])
asm = np.array([21, 22, 23, 24])

df.loc[0] = contrast
df.loc[1] = dissimilarity
df.loc[2] = homogeneity
df.loc[3] = energy
df.loc[4] = correlation
df.loc[5] = asm

df.index = ['contrast', 'dissimilarity', 'homogeneity', 'energy', 'correlation', 'asm']

print(df)

这将输出：

               0   90  180  270
contrast          1    2    3    4
dissimilarity     5    6    7    8
homogeneity       9   10   11   12
energy           13   14   15   16
correlation      17   18   19   20
asm              21   22   23   24

在上述示例中，首先创建一个空的 DataFrame，并定义了索引列。然后，使用 `loc` 方法将每个矩阵赋值给 DataFrame 的每一行，并使用自定义的索引值。最后，使用 `index` 属性将索引列设置为自定义的索引。