python 中的数据呈现差异
Data presentation difference in python
希望我的问题得到一个相当简单的答案。
当我运行以下代码时：
print (data_1.iloc[1])
我得到了一个很好的垂直显示数据，每个列的值 header，它的值显示在不同的行上。这在查看 2 组数据并试图找出差异时非常有用。
然而，当我把代码写成：
print (data_1.loc[data_1["Name"].isin(["John"])])
我得到了排列在屏幕上的所有信息，第 header 列在第一行，值在另一行。
我的问题是：
有什么方法可以使用第二个代码，并获得相同的数据垂直显示？
区别在于data_1.iloc[1]returns一个pandasSeries而data_1.loc[data_1["Name"].isin(["John"])]returns一个DataFrame。 Pandas 这两种数据类型有不同的表示（即它们的打印方式不同）。
iloc[1] 给出 Series 的原因是因为您使用标量对其进行了索引。如果您执行 data_1.iloc[[1]]，您会看到您得到的是 DataFrame。相反，我假设 data_1["Name"].isin(["John"]) 正在返回一个集合。如果您想获得 Series 而不是，您可以尝试
print(data_1.loc[data_1["Name"].isin(["John"])[0]])
但前提是您确定要取回一个元素。
希望我的问题得到一个相当简单的答案。
当我运行以下代码时：
print (data_1.iloc[1])
我得到了一个很好的垂直显示数据，每个列的值 header，它的值显示在不同的行上。这在查看 2 组数据并试图找出差异时非常有用。
然而，当我把代码写成：
print (data_1.loc[data_1["Name"].isin(["John"])])
我得到了排列在屏幕上的所有信息，第 header 列在第一行，值在另一行。
我的问题是： 有什么方法可以使用第二个代码，并获得相同的数据垂直显示？
区别在于data_1.iloc[1]returns一个pandasSeries而data_1.loc[data_1["Name"].isin(["John"])]returns一个DataFrame。 Pandas 这两种数据类型有不同的表示（即它们的打印方式不同）。
iloc[1] 给出 Series 的原因是因为您使用标量对其进行了索引。如果您执行 data_1.iloc[[1]]，您会看到您得到的是 DataFrame。相反，我假设 data_1["Name"].isin(["John"]) 正在返回一个集合。如果您想获得 Series 而不是，您可以尝试
print(data_1.loc[data_1["Name"].isin(["John"])[0]])
但前提是您确定要取回一个元素。