Python DataFrame: Warum ändern sich meine Werte in NaN, wenn ich die Indizes ändere?

Question

Ich möchte meine Indizes ändern. Mein dataFrame ist wie folgt:

partA = pd.DataFrame({'u1': 2, 'u2': 3, 'u3':4, 'u4':29, 'u5':4, 'u6':1, 'u7':323, 'u8':9, 'u9':7, 'u10':5}, index = [20]) 

, die einen Datenrahmen der Größe (1,10) mit allen Zellen gefüllt gibt.

Wenn ich jedoch einen neuen Datenrahmen von diesem erstellen (notwendig in meinem ursprünglichen Code, die verschiedene Daten enthalten) und ich den Index für diesen Datenrahmen ändern, sind die Werte meiner Zellen alle gleich NaN.

Ich weiß, dass ich reset_index verwenden könnte, um den Index zu ändern, aber ich möchte in der Lage sein, alles in einer Zeile zu tun.

Was ich jetzt tat, ist die folgende (was NaNs)

partB = pd.DataFrame(partA, columns = ['A', 'B', 'C', 'D','E', 'F', 'G', 'H', 'I','J']) 

Answer 1

Sie benötigen values zum Umwandeln partA-numpy array:

partA = pd.DataFrame({'u1': 2, 'u2': 3, 'u3':4, 'u4':29, 'u5':4, 'u6':1, 
         'u7':323, 'u8':9, 'u9':7, 'u10':5}, index = [20]) 
print (partA) 
    u1 u10 u2 u3 u4 u5 u6 u7 u8 u9 
20 2 5 3 4 29 4 1 323 9 7 

partB = pd.DataFrame(partA.values,columns = ['A', 'B', 'C', 'D','E', 'F', 'G', 'H', 'I','J']) 
print (partB) 
    A B C D E F G H I J 
0 2 5 3 4 29 4 1 323 9 7 

Wenn Bedarf Index von partA:

partB = pd.DataFrame(partA.values, 
        columns = ['A', 'B', 'C', 'D','E', 'F', 'G', 'H', 'I','J'], 
        index = partA.index) 
print (partB) 
    A B C D E F G H I J 
20 2 5 3 4 29 4 1 323 9 7 

Sie erhalten NaN, da keine Spaltennamen ausrichten, so dass, wenn Nachname geändert (u7) Sie Wert erhalten:

partB = pd.DataFrame(partA, 
        columns = ['A', 'B', 'C', 'D','E', 'F', 'G', 'H', 'I','u7'], 
        index = partA.index) 
print (partB) 
    A B C D E F G H I u7 
20 NaN NaN NaN NaN NaN NaN NaN NaN NaN 323