df = pd.DataFrame(columns=['0', '90', '180', '270']) df.loc[0] = contrast[0] df.loc[1] = dissimilarity[0] df.loc[2] = homogeneity[0] df.loc[3] = energy[0] df.loc[4] = correlation[0] df.loc[5] = asm[0] abb = ['contrast', 'dissimilarity', 'homogeneity', 'energy', 'correlation', 'asm'] for j in range(len(abb)): abb[j] = abb[j] + i[:-4] dfs.append(df.values) index_sum.append(abb) 我想最后将dfs赋给一个新的dafaframe,将index_sum作为新dataframe的index

要将 `dfs` 赋给一个新的 DataFrame，并使用 `index_sum` 作为新 DataFrame 的索引，您可以使用 `pd.DataFrame` 构造函数。下面是一个示例：

import pandas as pd
import numpy as np

dfs = []  # 存储每个 DataFrame 的列表
index_sum = []  # 存储索引的列表

# 迭代过程中添加数据到 dfs 和 index_sum 列表

df_sum = pd.DataFrame(data=np.concatenate(dfs), columns=['0', '90', '180', '270'], index=index_sum)

print(df_sum)

在上述示例中，您需要在迭代过程中将每个 DataFrame 添加到 `dfs` 列表，并将对应的索引添加到 `index_sum` 列表。然后，使用 `np.concatenate(dfs)` 将 `dfs` 列表中的所有 DataFrame 沿行方向连接起来，并使用 `pd.DataFrame` 构造函数创建一个新的 DataFrame。最后，您可以设置新 DataFrame 的列名和索引。

请注意，在示例中的 `np.concatenate(dfs)` 将返回一个 NumPy 数组，因此需要使用 `pd.DataFrame` 来创建新的 DataFrame。如果迭代过程中已经将每个 DataFrame 存储为列表，那么可以直接传递给 `pd.DataFrame` 构造函数。