Python - Как преобразовать кадр данных в файл JSON, используя вложенную структуру в повторяющейся группе

Python - Как преобразовать кадр данных в файл JSON, используя вложенную структуру в повторяющейся группе ⇐ Python

1 сообщение • Страница 1 из 1

Anonymous

Python - Как преобразовать кадр данных в файл JSON, используя вложенную структуру в повторяющейся группе

Цитата

Сообщение Anonymous » 12 мар 2025, 17:07

Я начал использовать Python неделю назад, и, как первая задача, моя команда попросила меня преобразовать кадр данных в файл JSON с определенной вложенной структурой.
мой кадр данных является следующим: 
df = pd.DataFrame({
'type': ['customer','customer','customer','customer','customer','customer','customer','customer','customer','customer','customer','customer','customer','customer','customer'],
'customer_id': ['1-0000001','1-0000001','1-0000001','1-0000001','1-0000002','1-0000002','1-0000002','1-0000002','1-0000002','1-0000002','1-0000003','1-0000003','1-0000003','1-0000003','1-0000003'],
'email': ['customer1@otenet.gr','customer1@otenet.gr','customer1@otenet.gr','customer1@otenet.gr','customer2@gmail.com','customer2@gmail.com','customer2@gmail.com','customer2@gmail.com','customer2@gmail.com','customer2@gmail.com','customer3@yahoo.com.au','customer3@yahoo.com.au','customer3@yahoo.com.au','customer3@yahoo.com.au','customer3@yahoo.com.au'],
'# of policies':[4,4,4,4,6,6,6,6,6,6,5,5,5,5,5],
'POLICY_NO': ['000000001','000000002','000000003','000000004','000000005','000000006','000000007','000000008','000000009','000000010','000000011','000000012','000000013','000000014','000000015'],
'RECEIPT_NO': [420000001,'420000002','420000003','420000004','420000005','420000006','420000007','420000008','420000009','420000010','420000011','420000012','420000013','420000014','420000015'],
'PAYMENT_CODE': ['RF35000000000000000000001','RF35000000000000000000002','RF35000000000000000000003','RF35000000000000000000004','RF35000000000000000000005','RF35000000000000000000006','null','RF35000000000000000000008','RF35000000000000000000009','null','RF35000000000000000000011','RF35000000000000000000012','null','RF35000000000000000000014','RF35000000000000000000015'],
'KLADOS': ['Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου']
})

What I would like to achieve is creating a JSON file grouped by the column 'type', 'customer_id' and a dictionary that contains the fields 'email' and '# of policies'.
These three elements are used for grouping.
The attribute dictionary must contain another nested dictionary called 'policy details' with POLICY_NO, RECEIPT_NO, PAYMENT_CODE and Klados.
«Словарь политики» должен повторяться для каждой комбинации «тип», «customer_id» и «атрибуты» следующим образом: 
"type": "customer",
"customer_id": "1-0000001",
"attributes": {
"email": "customer1@otenet.gr",
"# of policies": 4,
"policies details": [
{
"POLICY_NO": 000000001,
"RECEIPT_NO": 420000001,
"PAYMENT_CODE": "RF35000000000000000000001"
"KLADOS": "Αυτοκινήτου"
},
{
"POLICY_NO": 000000002,
"RECEIPT_NO": 420000002,
"PAYMENT_CODE": "RF35000000000000000000002"
"KLADOS": "Αυτοκινήτου"
......

Для достижения этого формата я попробовал следующие способы:
1 -й метод
# Create the new 'policy_details' field as dictionary
df['policy_details'] = df[['POLICY_NO', 'RECEIPT_NO', 'PAYMENT_CODE', 'KLADOS']].to_dict(orient='records')

# Create the new 'attributes' field as dictionary with the nested 'policy_details'
df['attributes'] = df[['email', '# of policies', 'policy_details']].to_dict(orient='records')

# JSON Section

# Create the JSON structure
j = df[['type', 'customer_id', 'attributes']].to_json(orient='records', force_ascii = False)

print(j)
< /code>
Но

'type', 'customer_id' и атрибуты не сгруппированы (они повторяются для каждой политики /> < /li>
< /ol>
[{
"type": "customer",
"customer_id": "1-0000001",
"attributes": {
"email": "customer1@otenet.gr",
"# of policies": 4,
"policy_details": {
"POLICY_NO": "000000001",
"RECEIPT_NO": 420000001,
"PAYMENT_CODE": "RF35000000000000000000001",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000001",
"attributes": {
"email": "customer1@otenet.gr",
"# of policies": 4,
"policy_details": {
"POLICY_NO": "000000002",
"RECEIPT_NO": "420000002",
"PAYMENT_CODE": "RF35000000000000000000002",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000001",
"attributes": {
"email": "customer1@otenet.gr",
"# of policies": 4,
"policy_details": {
"POLICY_NO": "000000003",
"RECEIPT_NO": "420000003",
"PAYMENT_CODE": "RF35000000000000000000003",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000001",
"attributes": {
"email": "customer1@otenet.gr",
"# of policies": 4,
"policy_details": {
"POLICY_NO": "000000004",
"RECEIPT_NO": "420000004",
"PAYMENT_CODE": "RF35000000000000000000004",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000002",
"attributes": {
"email": "customer2@gmail.com",
"# of policies": 6,
"policy_details": {
"POLICY_NO": "000000005",
"RECEIPT_NO": "420000005",
"PAYMENT_CODE": "RF35000000000000000000005",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000002",
"attributes": {
"email": "customer2@gmail.com",
"# of policies": 6,
"policy_details": {
"POLICY_NO": "000000006",
"RECEIPT_NO": "420000006",
"PAYMENT_CODE": "RF35000000000000000000006",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000002",
"attributes": {
"email": "customer2@gmail.com",
"# of policies": 6,
"policy_details": {
"POLICY_NO": "000000007",
"RECEIPT_NO": "420000007",
"PAYMENT_CODE": "null",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000002",
"attributes": {
"email": "customer2@gmail.com",
"# of policies": 6,
"policy_details": {
"POLICY_NO": "000000008",
"RECEIPT_NO": "420000008",
"PAYMENT_CODE": "RF35000000000000000000008",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000002",
"attributes": {
"email": "customer2@gmail.com",
"# of policies": 6,
"policy_details": {
"POLICY_NO": "000000009",
"RECEIPT_NO": "420000009",
"PAYMENT_CODE": "RF35000000000000000000009",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000002",
"attributes": {
"email": "customer2@gmail.com",
"# of policies": 6,
"policy_details": {
"POLICY_NO": "000000010",
"RECEIPT_NO": "420000010",
"PAYMENT_CODE": "null",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000003",
"attributes": {
"email": "customer3@yahoo.com.au",
"# of policies": 5,
"policy_details": {
"POLICY_NO": "000000011",
"RECEIPT_NO": "420000011",
"PAYMENT_CODE": "RF35000000000000000000011",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000003",
"attributes": {
"email": "customer3@yahoo.com.au",
"# of policies": 5,
"policy_details": {
"POLICY_NO": "000000012",
"RECEIPT_NO": "420000012",
"PAYMENT_CODE": "RF35000000000000000000012",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000003",
"attributes": {
"email": "customer3@yahoo.com.au",
"# of policies": 5,
"policy_details": {
"POLICY_NO": "000000013",
"RECEIPT_NO": "420000013",
"PAYMENT_CODE": "null",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000003",
"attributes": {
"email": "customer3@yahoo.com.au",
"# of policies": 5,
"policy_details": {
"POLICY_NO": "000000014",
"RECEIPT_NO": "420000014",
"PAYMENT_CODE": "RF35000000000000000000014",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000003",
"attributes": {
"email": "customer3@yahoo.com.au",
"# of policies": 5,
"policy_details": {
"POLICY_NO": "000000015",
"RECEIPT_NO": "420000015",
"PAYMENT_CODE": "RF35000000000000000000015",
"KLADOS": "Αυτοκινήτου"
}
}
}
]

2 -й метод
# Create the new 'attributes' field as dictionary
df['attributes'] = df[['email', '# of policies']].to_dict(orient='records')

# Convert the dictionary 'attributes' to a string
df['attributes'] = df[['attributes']].astype(str)

# JSON Section

# Create the JSON structure
j = (df.groupby(['type', 'customer_id', 'attributes'])
.apply(lambda x: x[['POLICY_NO', 'RECEIPT_NO','PAYMENT_CODE', 'KLADOS']].to_dict('records'), include_groups=False)
.reset_index()
.rename(columns={0:'policies details'})
.to_dict(orient='records')
)

# Convert list of dictionaries to JSON
json_output = json.dumps(j, indent=4, ensure_ascii=False)

print(json_output)
< /code>
На этот раз: 

'type', 'customer_id' и «атрибуты» наконец -то сгруппированы, но «атрибуты» представлены как строка, а не как словарь (ключ: пары ценностей) 
< /li>
plisters ', но

Подробнее здесь: https://stackoverflow.com/questions/795 ... ture-withi

1741788430

Anonymous

 Я начал использовать Python неделю назад, и, как первая задача, моя команда попросила меня преобразовать кадр данных в файл JSON с определенной вложенной структурой.
мой кадр данных является следующим: < /p>
df = pd.DataFrame({
'type': ['customer','customer','customer','customer','customer','customer','customer','customer','customer','customer','customer','customer','customer','customer','customer'],
'customer_id': ['1-0000001','1-0000001','1-0000001','1-0000001','1-0000002','1-0000002','1-0000002','1-0000002','1-0000002','1-0000002','1-0000003','1-0000003','1-0000003','1-0000003','1-0000003'],
'email': ['customer1@otenet.gr','customer1@otenet.gr','customer1@otenet.gr','customer1@otenet.gr','customer2@gmail.com','customer2@gmail.com','customer2@gmail.com','customer2@gmail.com','customer2@gmail.com','customer2@gmail.com','customer3@yahoo.com.au','customer3@yahoo.com.au','customer3@yahoo.com.au','customer3@yahoo.com.au','customer3@yahoo.com.au'],
'# of policies':[4,4,4,4,6,6,6,6,6,6,5,5,5,5,5],
'POLICY_NO': ['000000001','000000002','000000003','000000004','000000005','000000006','000000007','000000008','000000009','000000010','000000011','000000012','000000013','000000014','000000015'],
'RECEIPT_NO': [420000001,'420000002','420000003','420000004','420000005','420000006','420000007','420000008','420000009','420000010','420000011','420000012','420000013','420000014','420000015'],
'PAYMENT_CODE': ['RF35000000000000000000001','RF35000000000000000000002','RF35000000000000000000003','RF35000000000000000000004','RF35000000000000000000005','RF35000000000000000000006','null','RF35000000000000000000008','RF35000000000000000000009','null','RF35000000000000000000011','RF35000000000000000000012','null','RF35000000000000000000014','RF35000000000000000000015'],
'KLADOS': ['Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου','Αυτοκινήτου']
})

What I would like to achieve is creating a JSON file grouped by the column 'type', 'customer_id' and a dictionary that contains the fields 'email' and '# of policies'.
These three elements are used for grouping.
The attribute dictionary must contain another nested dictionary called 'policy details' with POLICY_NO, RECEIPT_NO, PAYMENT_CODE and Klados.
«Словарь политики» должен повторяться для каждой комбинации «тип», «customer_id» и «атрибуты» следующим образом: < /p>
        "type": "customer",
"customer_id": "1-0000001",
"attributes": {
"email": "customer1@otenet.gr",
"# of policies": 4,
"policies details": [
{
"POLICY_NO": 000000001,
"RECEIPT_NO": 420000001,
"PAYMENT_CODE": "RF35000000000000000000001"
"KLADOS": "Αυτοκινήτου"
},
{
"POLICY_NO": 000000002,
"RECEIPT_NO": 420000002,
"PAYMENT_CODE": "RF35000000000000000000002"
"KLADOS": "Αυτοκινήτου"
......

Для достижения этого формата я попробовал следующие способы: 
[b] 1 -й метод [/b] 
# Create the new 'policy_details' field as dictionary
df['policy_details'] = df[['POLICY_NO', 'RECEIPT_NO', 'PAYMENT_CODE', 'KLADOS']].to_dict(orient='records')

# Create the new 'attributes' field as dictionary with the nested 'policy_details'
df['attributes'] = df[['email', '# of policies', 'policy_details']].to_dict(orient='records')

# JSON Section

# Create the JSON structure
j = df[['type', 'customer_id', 'attributes']].to_json(orient='records', force_ascii = False)

print(j)
< /code>
Но < /p>
[list]
[*]  'type', 'customer_id' и атрибуты не сгруппированы (они повторяются для каждой политики /> < /li>
< /ol>
[{
"type": "customer",
"customer_id": "1-0000001",
"attributes": {
"email": "customer1@otenet.gr",
"# of policies": 4,
"policy_details": {
"POLICY_NO": "000000001",
"RECEIPT_NO": 420000001,
"PAYMENT_CODE": "RF35000000000000000000001",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000001",
"attributes": {
"email": "customer1@otenet.gr",
"# of policies": 4,
"policy_details": {
"POLICY_NO": "000000002",
"RECEIPT_NO": "420000002",
"PAYMENT_CODE": "RF35000000000000000000002",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000001",
"attributes": {
"email": "customer1@otenet.gr",
"# of policies": 4,
"policy_details": {
"POLICY_NO": "000000003",
"RECEIPT_NO": "420000003",
"PAYMENT_CODE": "RF35000000000000000000003",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000001",
"attributes": {
"email": "customer1@otenet.gr",
"# of policies": 4,
"policy_details": {
"POLICY_NO": "000000004",
"RECEIPT_NO": "420000004",
"PAYMENT_CODE": "RF35000000000000000000004",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000002",
"attributes": {
"email": "customer2@gmail.com",
"# of policies": 6,
"policy_details": {
"POLICY_NO": "000000005",
"RECEIPT_NO":  "420000005",
"PAYMENT_CODE": "RF35000000000000000000005",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000002",
"attributes": {
"email": "customer2@gmail.com",
"# of policies": 6,
"policy_details": {
"POLICY_NO": "000000006",
"RECEIPT_NO": "420000006",
"PAYMENT_CODE": "RF35000000000000000000006",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000002",
"attributes": {
"email": "customer2@gmail.com",
"# of policies": 6,
"policy_details": {
"POLICY_NO": "000000007",
"RECEIPT_NO": "420000007",
"PAYMENT_CODE": "null",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000002",
"attributes": {
"email": "customer2@gmail.com",
"# of policies": 6,
"policy_details": {
"POLICY_NO": "000000008",
"RECEIPT_NO": "420000008",
"PAYMENT_CODE": "RF35000000000000000000008",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000002",
"attributes": {
"email": "customer2@gmail.com",
"# of policies": 6,
"policy_details": {
"POLICY_NO": "000000009",
"RECEIPT_NO": "420000009",
"PAYMENT_CODE": "RF35000000000000000000009",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000002",
"attributes": {
"email": "customer2@gmail.com",
"# of policies": 6,
"policy_details": {
"POLICY_NO": "000000010",
"RECEIPT_NO": "420000010",
"PAYMENT_CODE": "null",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000003",
"attributes": {
"email": "customer3@yahoo.com.au",
"# of policies": 5,
"policy_details": {
"POLICY_NO": "000000011",
"RECEIPT_NO": "420000011",
"PAYMENT_CODE": "RF35000000000000000000011",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000003",
"attributes": {
"email": "customer3@yahoo.com.au",
"# of policies": 5,
"policy_details": {
"POLICY_NO": "000000012",
"RECEIPT_NO": "420000012",
"PAYMENT_CODE": "RF35000000000000000000012",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000003",
"attributes": {
"email":  "customer3@yahoo.com.au",
"# of policies": 5,
"policy_details": {
"POLICY_NO": "000000013",
"RECEIPT_NO": "420000013",
"PAYMENT_CODE": "null",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000003",
"attributes": {
"email": "customer3@yahoo.com.au",
"# of policies": 5,
"policy_details": {
"POLICY_NO": "000000014",
"RECEIPT_NO": "420000014",
"PAYMENT_CODE": "RF35000000000000000000014",
"KLADOS": "Αυτοκινήτου"
}
}
}, {
"type": "customer",
"customer_id": "1-0000003",
"attributes": {
"email": "customer3@yahoo.com.au",
"# of policies": 5,
"policy_details": {
"POLICY_NO": "000000015",
"RECEIPT_NO": "420000015",
"PAYMENT_CODE": "RF35000000000000000000015",
"KLADOS": "Αυτοκινήτου"
}
}
}
]

[b] 2 -й метод [/b] 
# Create the new 'attributes' field as dictionary
df['attributes'] = df[['email', '# of policies']].to_dict(orient='records')

# Convert the dictionary 'attributes' to a string
df['attributes'] = df[['attributes']].astype(str)

# JSON Section

# Create the JSON structure
j = (df.groupby(['type', 'customer_id', 'attributes'])
.apply(lambda x: x[['POLICY_NO', 'RECEIPT_NO','PAYMENT_CODE', 'KLADOS']].to_dict('records'), include_groups=False)
.reset_index()
.rename(columns={0:'policies details'})
.to_dict(orient='records')
)

# Convert list of dictionaries to JSON
json_output = json.dumps(j, indent=4, ensure_ascii=False)

print(json_output)
< /code>
На этот раз: < /p>

  'type', 'customer_id' и «атрибуты» наконец -то сгруппированы, но «атрибуты» представлены как строка, а не как словарь (ключ: пары ценностей) < /p>
< /li>
  plisters ', но 

Подробнее здесь: [url]https://stackoverflow.com/questions/79503850/python-how-to-convert-a-data-frame-to-json-file-using-a-nested-structure-withi[/url]

Ответить Пред. тема След. тема

1 сообщение • Страница 1 из 1

Быстрый ответ

Заголовок:

Имя пользователя:

Изменение регистра текста:

Смайлики

Ещё смайлики…

К этому ответу прикреплено по крайней мере одно вложение.

Если вы не хотите добавлять вложения, оставьте поля пустыми. Можно прикреплять файлы, перетаскивая их в окно сообщения.

Максимально разрешённый размер вложения: 15 МБ.

Имя файла:

Комментарий к файлу:

Имя файла	Комментарий к файлу	Размер	Статус

Похожие темы

Ответы

Просмотры

Последнее сообщение

Как преобразовать кадр данных в файл JSON, используя вложенную структуру в повторной группе

Последнее сообщение Anonymous « 12 мар 2025, 17:31
Добавлено в форуме Python

Anonymous » 12 мар 2025, 17:31 » в форуме Python

Моя команда попросила меня преобразовать кадр данных в файл JSON с определенной вложенной структурой. Мой кадр данных является следующим:
df = pd.DataFrame({
'type': ,
'customer_id': ,
'email': ,
'# of policies': ,
'POLICY_NO': ,
'RECEIPT_NO': ,...

0 Ответы

11 Просмотры

Последнее сообщение Anonymous
12 мар 2025, 17:31
Как преобразовать кадр данных в файл JSON, используя вложенную структуру в повторной группе

Последнее сообщение Anonymous « 16 мар 2025, 13:56
Добавлено в форуме Python

Anonymous » 16 мар 2025, 13:56 » в форуме Python

Моя команда попросила меня преобразовать кадр данных в файл JSON с определенной вложенной структурой. Мой кадр данных является следующим:
df = pd.DataFrame({
'type': ,
'customer_id': ,
'email': ,
'# of policies': ,
'POLICY_NO': ,
'RECEIPT_NO': ,...

0 Ответы

35 Просмотры

Последнее сообщение Anonymous
16 мар 2025, 13:56
Преобразовать вложенную структуру JSON в определенный формат объекта в JavaScript?

Последнее сообщение Гость « 23 сен 2023, 19:14
Добавлено в форуме Javascript

Гость » 23 сен 2023, 19:14 » в форуме Javascript

У меня есть такая входная структура JSON:

{ список_разрешений : [ { «идентификатор»: 0, модуль : Производство , «вид»: правда, «добавить»: правда, «редактировать»: правда, «удалить»: ложь, «печать»: правда, permission_details : }, { идентификатор...

0 Ответы

28 Просмотры

Последнее сообщение Гость
23 сен 2023, 19:14
Преобразовать вложенную структуру JSON в определенный формат объекта в JavaScript?

Последнее сообщение Гость « 23 сен 2023, 20:44
Добавлено в форуме Javascript

Гость » 23 сен 2023, 20:44 » в форуме Javascript

У меня есть такая входная структура JSON:

{ список_разрешений : [ { «идентификатор»: 0, модуль : Производство , «вид»: правда, «добавить»: правда, «редактировать»: правда, «удалить»: ложь, «печать»: правда, permission_details : }, { идентификатор...

0 Ответы

19 Просмотры

Последнее сообщение Гость
23 сен 2023, 20:44
Pandas: как преобразовать кадр данных M*N в кадр данных (M*N)*1

Последнее сообщение Anonymous « 28 фев 2024, 13:37
Добавлено в форуме Python

Anonymous » 28 фев 2024, 13:37 » в форуме Python

Предположим, у меня есть кадр данных размером 2*3:
df = pd.DataFrame({'A': , 'B': , 'C': }) А Б С 0 1 3 5 1 2 4 6 Мне интересно, как преобразовать df в кадр данных (2*3)*1, который имеет следующую форму? Я пробовал pd.DataFrame.explode() и...

0 Ответы

88 Просмотры

Последнее сообщение Anonymous
28 фев 2024, 13:37

Вернуться в «Python»