py pandas把列索引变成行

可以使用pandas的transpose（）函数将列索引变成行索引。

例如，假设我们有以下DataFrame：

import pandas as pd
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
print(df)

输出：

   A  B  C
0  1  4  7
1  2  5  8
2  3  6  9

要将列索引变成行索引，可以使用transpose（）函数：

df_new = df.transpose()
print(df_new)

输出：

   0  1  2
A  1  2  3
B  4  5  6
C  7  8  9

现在，原来的列变成了行，并且每行都有一个唯一的标签。

相关问题

py的pandas模块将多层字典转excel

可以使用`pandas`模块中的`DataFrame`方法将多层字典转换为Excel文件。具体操作如下：

1. 将多层字典转换为`pandas`的`DataFrame`对象，可以使用`pandas`的`json_normalize`方法实现。

   import pandas as pd
   
   # 多层字典
   data = {
       "A": {
           "a": 1,
           "b": 2
       },
       "B": {
           "a": 3,
           "b": 4
       }
   }
   
   # 将多层字典转换为DataFrame
   df = pd.json_normalize(data)

2. 将`DataFrame`对象保存为Excel文件，可以使用`to_excel`方法实现。

   # 将DataFrame保存为Excel文件
   df.to_excel("data.xlsx", index=False)

其中，`index=False`表示不保存行索引。保存后，当前目录下会生成一个名为`data.xlsx`的Excel文件，其中包含了多层字典中的数据。

pandas获取某一列

使用 Pandas 中的 DataFrame 可以很方便地获取某一列。可以使用 `[]` 运算符通过列名进行索引，也可以使用 `.loc[]` 或 `.iloc[]` 方法指定列的位置。

例如，假设有一个名为 `data` 的 DataFrame，其中包含列名为 `col1` 和 `col2`，要获取 `col1` 这一列，可以使用以下代码：

# 通过列名索引获取
col1 = data['col1']

# 通过 loc 方法获取
col1 = data.loc[:, 'col1']

# 通过 iloc 方法获取
col1 = data.iloc[:, 0]

其中，`:` 表示所有行。如果只需要获取前几行，可以将 `:` 替换为行数的切片，例如 `data.loc[:10, 'col1']` 表示获取前 10 行的 `col1` 列。