pythondataframe顯示

A. python pandas.DataFrame.plot()畫出來的圖如何顯示x軸出來。

df.reset_index()
詳細用法見文檔
https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.reset_index.html

B. python，爬蟲，pandas的DataFrame處理後的數據，輸出到文本後中間這些數據都沒有展開怎麼辦

爬蟲+pandas這個組合我還是頭一次見。 據我所知pandas是專門用來處理數學問題的，雖然也提供了一些字元串相關的函數，但畢竟能力有限，建議換一個方式吧，比如資料庫來儲存會比較好。
但還是要幫你解決你現在的這個問題才行。
圖片的那個情況是不是用print函數直接輸出在控制台上了，然後手動復制到文本文件里的？
如果是的話，那肯定不會顯示全的。 如果想顯示全的話，且數據量少的情況下(100個以內)，可以用遍歷的方法，遍歷的時候print每行的數據。

或者直接用to_csv或者to_excel方法輸出到文件裡面。

C. python用dataframe的to_csv方法寫入到CSV文件，如果是數據列，以0開頭的時候CSV文件裡面不顯示

修改csv列格式沒用，保存不了，下次打開還是原樣，如果帶零列的數據類型是數值，需要將其轉換成字元串類型：df['帶零列']=df['帶零列'].astype(str)
還是不行的話，這就是打開csv的工具的原因了，你很有可能是用Excel打開的csv文件，其實質還是字元串，如果你用Notepad++或者記事本打開，顯示就是帶0的。
如果想還是用Excel打開，看到帶0的，可以這樣解決：df['帶零列']='\t'+df['帶零列']，即在字元串前加個橫向製表符，這樣再用Excel打開就顯示沒問題了。
希望能幫到你。

D. python已知某個元素，怎麼得到該元素在dataframe中的位置

雖然時隔快四年的提問了，但還是不得不給出最好的答案，那個回答說「for循環」的答案簡直是牛頭不對馬嘴啊，

我的答案：

pandas.dataframe中根據條件獲取元素所在的位置（索引）

df=pd.DataFrame({'BoolCol':[1,2,3,3,4],'attr':[22,33,22,44,66]},
index=[10,20,30,40,50])
print(df)
a=df[(df.BoolCol==3)&(df.attr==22)].index.tolist()
print(a)

E. python的dataframe（py.read_table）讀取txt，但是間隔為大於兩個且個數不定的空格，如何操作

先見數據轉為python數據格式，

像Harvard University很難分割的可以用re正則表達式s{2,5}

嘗試對齊操作

F. python對dataframe列里的元素進行修改

直接在參數一欄設置一下即可：
df＝pd.read_csv('text.csv', dtype={'編號':str}
 
這樣，把你要轉換的列的名字設定好， 「編號」列中的數據讀取為str
 
這樣，讀取到的數據就是按照我們的要求的了。

G. 將dataframe的一行轉成一個字典python

有時候，在Python中需要將dataframe類型轉換為字典類型，下面的方法幫助我們解決這一問題。 任務代碼。

# encoding: utf-8

import pandas as pd
a = ['Name', 'Age', 'Gender']
b = ['Ali', '19', 'China']
data = pd.DataFrame(zip(a, b), columns=['project', 'attribute'])
print data
dict_country = data.set_index('project').T.to_dict('list')
print dict_country
輸出顯示

project attribute
0 Name Ali
1 Age 19
2 Gender China
{'Gender': ['China'], 'Age': ['19'], 'Name': ['Ali']}
值得注意的是，轉置之前需要設置指定的索引，否則會按照默認索引轉換成這樣：

{0: ['Name', 'Ali'], 1: ['Age', '19'], 2: ['Gender', 'China']}

H. python對dataframe進行操作

建議參考一下dataframe文檔，裡面有相應的方法，不需要使用for循環遍歷，for循環遍歷會拖慢程序。對於dataframe中數據檢索可以使用下面的方法。

【全部】df.values

【name列的數據】df['name'].values

【loc檢索A列】df.loc['A']

【iloc進行行檢索】df.iloc[0]

【直接使用名字進行列檢索,但不適合行檢索】df['name']

運行效果展示

完美運行，不用操心索引+1的問題，也不用再創建一個DataFrame實例！

希望能夠採納！