Попытка изменить строки в моем фрейме данных на столбцы

Question

Попытка изменить строки в моем фрейме данных на столбцы

В моем случае он не использовал DataTemplate для ItemsControl.

Old:

<ItemsControl Width="243" ItemsSource="{Binding List, Mode=TwoWay}">
    <StackPanel Orientation="Horizontal">
        <TextBox Width="25" Margin="0,0,5,0" Text="{Binding Path=Property1}"/>
        <Label Content="{Binding Path=Property2}"/>
    </StackPanel>
</ItemsControl>

Новое:

<ItemsControl Width="243" ItemsSource="{Binding List, Mode=TwoWay}">
    <ItemsControl.ItemTemplate>
        <DataTemplate>
            <StackPanel Orientation="Horizontal">
                <TextBox Width="25" Margin="0,0,5,0" Text="{Binding Path=Property1}"/>
                <Label Content="{Binding Path=Property2}"/>
            </StackPanel>
        </DataTemplate>
    </ItemsControl.ItemTemplate>
</ItemsControl>

0

python pandas data-science

задан Emm 16 January 2019 в 15:39

3 ответа

Другие вопросы по тегам:

python pandas data-science

Похожие вопросы:

score 0 · Answer 1

Эта операция фактически предоставляется непосредственно пандами. Просто используйте функцию transpose() или T ( Справочник ).

Единственная строка, которую вы должны добавить:

df_transposed = df.T

score 0 · Answer 2

Создание рабочего пространства

import random
import pandas as pd

# your variables
my_names = [2009,2010,2011,2012,2013,2014,2015,2016,2017,2018]
cols = ['link', 'post','shared','timeline','status']

# since we don't have the list of variables in ser, I'm creating it and creating a list of lists of values
ser = []
for x in range(0,len(cols)):
    a = [random.uniform(0,1) for _ in range(len(my_names))]

    ser.append(a)

# also swapped the pd.concat to create a dataframe as your image-example shows
df = pd.DataFrame(ser, columns=my_names, index = cols)

Решение:

# a simple transpose will do the trick for what you need:
df.T

score 0 · Answer 3

Как насчет:

df.transpose()

Я думаю, что это должно сделать это. Попробуйте.

Кстати, ваш код для создания dataframe содержит много ошибок, или, может быть, я неправильно его использую.