blocks|key|1044798|text|您最初构建的是一个普通的python列表，它当然没有行或列的概念，因为它本质上是一维的。虽然我不熟悉pandas，但假设它使用numpy数组，您可以执行以下操作：|type|unstyled|depth|inlineStyleRanges|entityRanges|data|1044799|d+=+numpy.array(d)+++++++#convert+to+a+numpy+array
d+=+d[numpy.newaxis]+++++#convert+from+1D+to+2D
d+=+d.T++++++++++++++++++#transpose+to+make+a+"column"|code-block|syntax|javascript|1044800|或者在一行中：|1044801|d+=+numpy.array(d)[numpy.newaxis].T|1044802|entityMap^0|0|0|0|0^^$0|@$1|2|3|4|5|6|7|M|8|@]|9|@]|A|$]]|$1|B|3|C|5|D|7|N|8|@]|9|@]|A|$E|F]]|$1|G|3|H|5|6|7|O|8|@]|9|@]|A|$]]|$1|I|3|J|5|D|7|P|8|@]|9|@]|A|$E|F]]|$1|K|3|-4|5|6|7|Q|8|@]|9|@]|A|$]]]|L|$]]

Well you're initially building a vanilla python list, which of course does not have a concept of rows or columns, since it is inherently 1D. While I'm not familiar with pandas, assuming it uses numpy arrays, you could do the following:

<pre><code>d = numpy.array(d) #convert to a numpy array
d = d[numpy.newaxis] #convert from 1D to 2D
d = d.T #transpose to make a "column"
</code></pre>

Or in a single line:

<pre><code>d = numpy.array(d)[numpy.newaxis].T
</code></pre>

blocks|key|4829944|text|使用python和pandas|type|unstyled|depth|inlineStyleRanges|entityRanges|data|4829945|df'+new‘=df’‘datatoiterateover’.apply(函数x:+x)将把所有数据放在一个新列中。|4829946|entityMap^0|0|0^^$0|@$1|2|3|4|5|6|7|F|8|@]|9|@]|A|$]]|$1|B|3|C|5|6|7|G|8|@]|9|@]|A|$]]|$1|D|3|-4|5|6|7|H|8|@]|9|@]|A|$]]]|E|$]]

using python and pandas

df['new'] = df['datatoiterateover'].apply(function x: x) will put all the data in a new column.

blocks|key|3361572|text|>>>+import+pandas+as+pd
>>>+d+=+[]
>>>+for+i+in+range(20):
...+++++d.append(i+*+9890)
...+
>>>+df+=+pd.DataFrame({'column_header':+d})
>>>+df.head()
+++column_header
0++++++++++++++0
1+++++++++++9890
2++++++++++19780
3++++++++++29670
4++++++++++39560
>>>+|type|code-block|depth|inlineStyleRanges|entityRanges|data|syntax|javascript|3361573|unstyled|entityMap^0|0^^$0|@$1|2|3|4|5|6|7|G|8|@]|9|@]|A|$B|C]]|$1|D|3|-4|5|E|7|H|8|@]|9|@]|A|$]]]|F|$]]

<pre><code>&gt;&gt;&gt; import pandas as pd
&gt;&gt;&gt; d = []
&gt;&gt;&gt; for i in range(20):
... d.append(i * 9890)
... 
&gt;&gt;&gt; df = pd.DataFrame({'column_header': d})
&gt;&gt;&gt; df.head()
 column_header
0 0
1 9890
2 19780
3 29670
4 39560
&gt;&gt;&gt; 
</code></pre>

blocks|key|1118796|text|numpy可以非常干净地创建数组，可以直接分配给pandas.DataFrame列，也可以与现有DataFrame中的列进行比较。它|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|1118797|import+numpy+as+np
...
d+=+np.arange(20)*980|code-block|syntax|javascript|1118798|您可以直接将d与DataFrame列进行比较，而不必关心它的“方向”是垂直还是水平。|1118799|entityMap^0|0|5|O|G|1C|9|0|0|6|1|8|9|0^^$0|@$1|2|3|4|5|6|7|O|8|@$9|P|A|Q|B|C]|$9|R|A|S|B|C]|$9|T|A|U|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|V|8|@]|D|@]|E|$I|J]]|$1|K|3|L|5|6|7|W|8|@$9|X|A|Y|B|C]|$9|Z|A|10|B|C]]|D|@]|E|$]]|$1|M|3|-4|5|6|7|11|8|@]|D|@]|E|$]]]|N|$]]

<code>numpy</code> can create the array very cleanly and can be directly assigned to a <code>pandas.DataFrame</code> column or compared with a column in an existing <code>DataFrame</code>. It 

<pre><code>import numpy as np
...
d = np.arange(20)*980
</code></pre>

you can compare <code>d</code> directly to your <code>DataFrame</code> column you don't have to be concerned with its "orientation" vertical or horizontal.

blocks|key|4830010|text|使用numpy.arrays和切片：|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|4830011|a+=+np.array([0,+9890,+19780,+29670,+39560,+49450,+59340,+69230,+79120,+89010,+98900,+108790,+118680,+128570,+138460,+148350,+158240,+168130,+178020,+187910])

In+[3]:+a[:,None]
Out[3]:
array([[+++++0],
+++++++[++9890],
+++++++[+19780],
+++++++[+29670],
+++++++[+39560],
+++++++[+49450],
+++++++[+59340],
+++++++[+69230],
+++++++[+79120],
+++++++[+89010],
+++++++[+98900],
+++++++[108790],
+++++++[118680],
+++++++[128570],
+++++++[138460],
+++++++[148350],
+++++++[158240],
+++++++[168130],
+++++++[178020],
+++++++[187910]])|code-block|syntax|javascript|4830012|entityMap^0|2|C|0|0^^$0|@$1|2|3|4|5|6|7|M|8|@$9|N|A|O|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|P|8|@]|D|@]|E|$I|J]]|$1|K|3|-4|5|6|7|Q|8|@]|D|@]|E|$]]]|L|$]]

Using <code>numpy.arrays</code> and slicing:

<pre><code>a = np.array([0, 9890, 19780, 29670, 39560, 49450, 59340, 69230, 79120, 89010, 98900, 108790, 118680, 128570, 138460, 148350, 158240, 168130, 178020, 187910])

In [3]: a[:,None]
Out[3]:
array([[ 0],
 [ 9890],
 [ 19780],
 [ 29670],
 [ 39560],
 [ 49450],
 [ 59340],
 [ 69230],
 [ 79120],
 [ 89010],
 [ 98900],
 [108790],
 [118680],
 [128570],
 [138460],
 [148350],
 [158240],
 [168130],
 [178020],
 [187910]])
</code></pre>

blocks|key|1044926|text|from+numpy+import+*
d=[]
p=0
while+p+<+20:
++++r+=+p+*+9890
++++d.append(r)
++++p+%2B=1

result=array(d).reshape(20,1)|type|code-block|depth|inlineStyleRanges|entityRanges|data|syntax|javascript|1044927|unstyled|entityMap^0|0^^$0|@$1|2|3|4|5|6|7|G|8|@]|9|@]|A|$B|C]]|$1|D|3|-4|5|E|7|H|8|@]|9|@]|A|$]]]|F|$]]

<pre><code>from numpy import *
d=[]
p=0
while p &lt; 20:
 r = p * 9890
 d.append(r)
 p +=1

result=array(d).reshape(20,1)
</code></pre>

I want to fill a column of variable length with a series of calculated nontrivial numbers so it can match a set of data in a dataframe column. The result would be a dataframe two columns wide by some large number long (here 20 rows long). I know how to calculate the series:

<pre><code>while p &lt; 20:
 r = p * 9890
 d.append(r)
 p +=1
</code></pre>

but it results in a "horizontal" string:

<pre><code>print(d)
</code></pre>

[0, 9890, 19780, 29670, 39560, 49450, 59340, 69230, 79120, 89010, 98900, 108790, 118680, 128570, 138460, 148350, 158240, 168130, 178020, 187910]

how do I make this a "vertical" column?

How to fill an array "column" with calculated numbers

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

我想用一系列经过计算的非平凡数字填充可变长度的列，这样它就可以匹配dataframe列中的一组数据。结果将是一个两列宽、一些较大的长数字(这里是20行长)的数据帧。我知道如何计算级数：while p < 20: r = p * 9890 d.append(r) p +=1但它会产生一个“水平”字符串：print(d)0,9890,19780,29670,39560,49450,5

问如何用计算出的数字填充数组"column“
EN

回答 6

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何用计算出的数字填充数组"column“EN

回答 6

Stack Overflow用户

Stack Overflow用户

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问如何用计算出的数字填充数组"column“
EN