pandas 获取当前行号
时间: 2023-10-13 10:04:52 浏览: 145
要获取 pandas DataFrame 中当前行的行号,可以使用 iloc 函数。以下是样例代码:
```python
import pandas as pd
df = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['a', 'b', 'c']})
row_num = 1 # 获取第2行的行号
print(df.iloc[row_num].name)
```
输出:
```python
1
```
这里使用 `iloc` 选择第2行(下标从0开始),然后通过 `name` 属性获取该行的行号。
相关问题
在python的编译环境中,现在有一个100行96列的dataframe表,我想让每一列的数乘以它当前的行号,怎么用代码表示
您可以使用以下代码来实现题目中的需求:
```
import pandas as pd
# 创建一个100行96列的DataFrame
df = pd.DataFrame(np.random.randint(0,100,size=(100, 96)))
# 获取DataFrame的行索引
row_index = df.index
# 循环遍历每一列,并将每一列的数据与当前行号相乘
for col in df.columns:
df[col] = df[col].mul(row_index)
```
这样,您就可以得到一个每一列数据都乘以了当前行号的DataFrame表。
python 使用pandas库,使用 pandas 库中的 read_excel 函数和 MultiIndex 类型来读取合并单元格表头,操作excel文件“data\推送名单.xlsx”,遍历循环读取所有sheet表,对于每一个sheet表,读取当前sheet表数据df,在最右侧列添加一列,表头值为“合并内容”,读取获取合并单元格表头“推送内容”的所在的合并列的第一列col_begin和最后一列col_end(示列:B列,C列,D列的第一行为合并单元格,数值是表头“推送内容”,则col_begin为B列,col_end为D列),遍历数据df,在每一行的“合并内容”列下写入函数公式concat,为concat(col_begin+行号,col_end+行号),最后遍历完df数据更新函数数据,并保存excel文件
好的,我理解了你的问题。下面是相应的Python代码,你可以参考一下:
```python
import pandas as pd
# 读取excel文件
file = 'data/推送名单.xlsx'
excel_file = pd.ExcelFile(file_path)
# 遍历每个sheet表
for sheet_name in excel_file.sheet_names:
# 读取当前sheet表数据
df = pd.read_excel(file_path, sheet_name=sheet_name, header=[0, 1])
# 获取合并单元格表头“推送内容”的所在的合并列的第一列col_begin和最后一列col_end
merged_header = df.columns[df.columns.get_level_values(1) == '推送内容']
col_begin = merged_header[0][0]
col_end = merged_header[-1][-1]
# 在最右侧列添加一列“合并内容”
df[('合并内容', '')] = ''
# 遍历每一行,为“合并内容”列下写入函数公式concat
for i, row in df.iterrows():
row_num = i + 2 # 行号从第二行开始,因为第一行是表头
concat_formula = f'=concatenate({col_begin}{row_num}, {col_end}{row_num})'
df.at[i, ('合并内容', '')] = concat_formula
# 保存更新后的数据到excel文件
writer = pd.ExcelWriter(file_path, engine='openpyxl')
book = writer.book
writer.sheets = {ws.title: ws for ws in book.worksheets}
df.to_excel(writer, sheet_name=sheet_name, index=False)
writer.save()
```
代码中用到了pandas库中的ExcelFile、read_excel、iterrows和to_excel等函数,具体用法可参考[pandas官方文档](https://pandas.pydata.org/docs/)。