pythondataframe显示

A. python pandas.DataFrame.plot()画出来的图如何显示x轴出来。

df.reset_index()
详细用法见文档
https://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.reset_index.html

B. python，爬虫，pandas的DataFrame处理后的数据，输出到文本后中间这些数据都没有展开怎么办

爬虫+pandas这个组合我还是头一次见。 据我所知pandas是专门用来处理数学问题的，虽然也提供了一些字符串相关的函数，但毕竟能力有限，建议换一个方式吧，比如数据库来储存会比较好。
但还是要帮你解决你现在的这个问题才行。
图片的那个情况是不是用print函数直接输出在控制台上了，然后手动复制到文本文件里的？
如果是的话，那肯定不会显示全的。 如果想显示全的话，且数据量少的情况下(100个以内)，可以用遍历的方法，遍历的时候print每行的数据。

或者直接用to_csv或者to_excel方法输出到文件里面。

C. python用dataframe的to_csv方法写入到CSV文件，如果是数据列，以0开头的时候CSV文件里面不显示

修改csv列格式没用，保存不了，下次打开还是原样，如果带零列的数据类型是数值，需要将其转换成字符串类型：df['带零列']=df['带零列'].astype(str)
还是不行的话，这就是打开csv的工具的原因了，你很有可能是用Excel打开的csv文件，其实质还是字符串，如果你用Notepad++或者记事本打开，显示就是带0的。
如果想还是用Excel打开，看到带0的，可以这样解决：df['带零列']='\t'+df['带零列']，即在字符串前加个横向制表符，这样再用Excel打开就显示没问题了。
希望能帮到你。

D. python已知某个元素，怎么得到该元素在dataframe中的位置

虽然时隔快四年的提问了，但还是不得不给出最好的答案，那个回答说“for循环”的答案简直是牛头不对马嘴啊，

我的答案：

pandas.dataframe中根据条件获取元素所在的位置（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）读取txt，但是间隔为大于两个且个数不定的空格，如何操作

先见数据转为python数据格式，

像Harvard University很难分割的可以用re正则表达式s{2,5}

尝试对齐操作

F. python对dataframe列里的元素进行修改

直接在参数一栏设置一下即可：
df＝pd.read_csv('text.csv', dtype={'编号':str}
 
这样，把你要转换的列的名字设定好， “编号”列中的数据读取为str
 
这样，读取到的数据就是按照我们的要求的了。

G. 将dataframe的一行转成一个字典python

有时候，在Python中需要将dataframe类型转换为字典类型，下面的方法帮助我们解决这一问题。 任务代码。

# 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
输出显示

project attribute
0 Name Ali
1 Age 19
2 Gender China
{'Gender': ['China'], 'Age': ['19'], 'Name': ['Ali']}
值得注意的是，转置之前需要设置指定的索引，否则会按照默认索引转换成这样：

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

H. python对dataframe进行操作

建议参考一下dataframe文档，里面有相应的方法，不需要使用for循环遍历，for循环遍历会拖慢程序。对于dataframe中数据检索可以使用下面的方法。

【全部】df.values

【name列的数据】df['name'].values

【loc检索A列】df.loc['A']

【iloc进行行检索】df.iloc[0]

【直接使用名字进行列检索,但不适合行检索】df['name']

运行效果展示

完美运行，不用操心索引+1的问题，也不用再创建一个DataFrame实例！

希望能够采纳！