df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'C'], 'col2': [1, 2, 3, 4, 5]}) df = df.set_index(['col1','col2'])
时间: 2023-10-07 21:08:58 浏览: 27
这段代码中,首先创建了一个DataFrame,其中包含两列数据'col1'和'col2',分别包含五个元素'A'、'A'、'B'、'B'、'C'和1、2、3、4、5。然后调用set_index()方法,将'col1'和'col2'作为联合索引(MultiIndex)进行设置,这意味着DataFrame中的每一行都由'col1'和'col2'两个值唯一确定。这个DataFrame的形状为(5, 0),即有五行(每行由'col1'和'col2'两个值唯一确定),但没有列。
相关问题
df1 = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'C'], 'col2': [1, 2, 3, 4, 5]}) df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'C'], 'col2': [1, 2, 3, 4, 5]}) df = df.set_index(['col1','col2']) 怎么让df1和df的展现形式一样,但是不用set_index
你可以使用以下代码来实现:
```python
df1 = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'C'], 'col2': [1, 2, 3, 4, 5]})
df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B', 'C'], 'col2': [1, 2, 3, 4, 5]})
df = df.pivot(index='col1', columns='col2', values='col2')
df.columns.name = None
df.index.name = None
print(df)
```
这将产生以下输出:
```
1 2 3 4 5
A 1 2 NaN NaN NaN
B NaN NaN 3 4 NaN
C NaN NaN NaN NaN 5
```
这里使用 `pivot` 将原始数据转换为具有所需形式的 DataFrame。然后,我们删除了行名和列名,以便它的展示形式与 `df1` 相同。
df = pd.DataFrame(weights_col)
这行代码创建了一个名为 `df` 的 Pandas DataFrame 对象,其中 `weights_col` 是一个列向量,可能是一个 NumPy ndarray 或 Pandas Series 对象。DataFrame 的每一列都可以有一个名称,但在这种情况下,由于没有指定名称,该列将默认命名为数字索引。如果您想要指定列名,可以使用 `df = pd.DataFrame(weights_col, columns=[your_column_names])`。