Python将提取后的数据存到DataFrame中

要将提取后的数据存储到DataFrame中，你可以使用Python中的pandas库。首先，你需要导入pandas库，然后创建一个空的DataFrame对象，最后将提取的数据添加到该DataFrame中。

示例代码如下：

import pandas as pd

# 创建空的DataFrame对象
df = pd.DataFrame(columns=['列名1', '列名2', '列名3'])

# 将提取的数据添加到DataFrame中
df.loc[len(df)] = ['值1', '值2', '值3']
df.loc[len(df)] = ['值4', '值5', '值6']
# ...

# 打印DataFrame
print(df)

其中，`columns`参数用于指定创建的DataFrame对象的列名，`len(df)`用于获取当前DataFrame中的行数，从而将提取的数据添加到新的一行中。你可以根据实际情况修改示例代码中的列名、值等内容。

相关问题

python将数据中连续多日的数据提取成不同的dataframe

可以回答这个问题。你可以使用 pandas 库中的 groupby 函数，按照日期进行分组，然后将每个分组转换为一个新的 dataframe。具体实现可以参考以下代码：

import pandas as pd

# 假设你的数据存储在一个名为 df 的 dataframe 中，其中包含日期和其他数据列
# 将日期列转换为 datetime 类型
df['日期'] = pd.to_datetime(df['日期'])

# 按照日期进行分组
groups = df.groupby(pd.Grouper(key='日期', freq='D'))

# 将每个分组转换为一个新的 dataframe
dfs = [group[1] for group in groups]

# 打印每个新的 dataframe
for i, df in enumerate(dfs):
    print(f"第{i+1}个 dataframe:")
    print(df)

这段代码将数据按照日期进行分组，然后将每个分组转换为一个新的 dataframe，并打印出来。你可以根据自己的需求对每个新的 dataframe 进行进一步处理。

python写一个函数，将dataframe里的数据按所需行提取

以下是一个示例函数，可以按所需行（行号从0开始）提取DataFrame中的数据：

import pandas as pd

def extract_rows(df, rows):
    """
    Extract specified rows from a DataFrame.
    
    Args:
        df (pandas.DataFrame): The DataFrame to extract rows from.
        rows (list of int): The list of row numbers to extract, starting from 0.
        
    Returns:
        pandas.DataFrame: A new DataFrame containing only the specified rows.
    """
    return df.iloc[rows]

使用示例：

df = pd.DataFrame({'col1': [1, 2, 3], 'col2': [4, 5, 6]})
extract_rows(df, [0, 2])

输出：

   col1  col2
0     1     4
2     3     6