使用reset_index()失败

可能是因为你没有指定要重置的索引列，或者指定的索引列不是唯一的。你可以尝试指定要重置的索引列，或者使用drop=True参数删除原来的索引列。如果还有问题，可以提供更多的细节信息，以便更好地帮助你解决问题。

相关问题

news_dfs = pd.DataFrame() for i in range(1,10000): while True: try: page = i url = URL.format(page)###################变更点 news_df = GetOnePageInfo(url) news_dfs = news_dfs.append(news_df) news_dfs['Pubtime'] = pd.to_datetime(news_dfs['Pubtime']) print("第{}页爬取完成".format(i)) except: print("模块运行失败，正在重试...") time.sleep(5) continue else: break if news_dfs['Pubtime'].min() < pd.to_datetime('2022-06-01'): break news_dfs = news_dfs.reset_index(drop=True)如何设置当i重新运行5次后还是失败，直接跳出整个循环，执行循环之后的模块

您可以在 while 循环中添加一个计数器，记录尝试获取数据的次数，当计数器达到一定次数，比如 5 次，就直接跳出 while 循环和 for 循环，执行之后的代码。可以使用 break 和嵌套循环实现，具体代码如下：

news_dfs = pd.DataFrame()
for i in range(1,10000):
    retry_count = 0  # 尝试获取数据的次数
    while retry_count < 5:
        try:
            page = i
            url = URL.format(page)
            news_df = GetOnePageInfo(url)
            news_dfs = news_dfs.append(news_df)
            news_dfs['Pubtime'] = pd.to_datetime(news_dfs['Pubtime'])
            print("第{}页爬取完成".format(i))
            break  # 获取数据成功，跳出 while 循环
        except:
            retry_count += 1
            print("模块运行失败，正在重试...")
            time.sleep(5)
    else:
        # 尝试次数超过 5 次，跳出 for 循环
        print("获取数据失败，尝试次数超过 5 次，跳出循环")
        break
    if news_dfs['Pubtime'].min() < pd.to_datetime('2022-06-01'):
        break
news_dfs = news_dfs.reset_index(drop=True)

在这个代码中，使用了一个 else 语句，这个语句会在 while 循环正常退出时执行，也就是说，如果 retry_count 小于 5，说明获取数据成功，就会执行 break 跳出 while 循环，else 语句不会执行；如果 retry_count 等于 5，说明获取数据失败，就会执行 else 语句，跳出 for 循环，执行之后的代码。

不是是否包含“识别成功”、“识别失败”或“未识别”,是不仅包含识别成功,还要包含其他的值

非常抱歉，再次理解有误。根据您的最新描述，可以使用以下代码实现您的需求：

# 对 A、B、C 进行分组
grouped = df.groupby(['A', 'B', 'C'])

# 计算每组中 B 字段是否全部为“识别成功”
is_all_success = grouped['B'].apply(lambda x: set(x) == set(['识别成功']))

# 计算每组中 B 字段是否包含“识别成功”以外的其他值
is_not_only_success = grouped['B'].apply(lambda x: set(x).difference(set(['识别成功'])))

# 计算结果1和结果2
result1 = is_all_success.groupby('A').sum().reset_index(name='result1')
result2 = grouped['C'].nunique().groupby('A').sum().reset_index(name='result2')

# 计算结果3和结果4
result3 = is_not_only_success.groupby('A').nunique().reset_index(name='result3')
result4 = grouped['C'].nunique().groupby('A').sum().reset_index(name='result4')

其中，首先将 DataFrame 按 A、B、C 进行分组，并计算每组中 B 字段是否全部为“识别成功”（`is_all_success`）或是否包含“识别成功”以外的其他值（`is_not_only_success`）。然后，分别对结果1、结果2、结果3、结果4进行计算并存储到 DataFrame 中。