Można przetransponować jednorzędową ramkę danych (co nadal skutkuje ramką danych), a następnie ścisnąć wyniki w serię (odwrotność to_frame
).
df = pd.DataFrame([list(range(5))], columns=["a{}".format(i) for i in range(5)])
>>> df.T.squeeze()
a0 0
a1 1
a2 2
a3 3
a4 4
Name: 0, dtype: int64
Uwaga: Aby uwzględnić kwestię podniesioną przez @IanS (nawet jeśli nie ma jej w pytaniu OP), przetestuj rozmiar ramki danych. Zakładam, że df
jest to ramka danych, ale przypadki brzegowe to pusta ramka danych, ramka danych o kształcie (1, 1) i ramka danych z więcej niż jednym wierszem, w którym to przypadku użycie powinno zaimplementować ich pożądaną funkcjonalność.
if df.empty:
result = pd.Series()
elif df.shape == (1, 1)
result = pd.Series(df.iat[0, 0], index=df.columns)
elif len(df) == 1:
result = df.T.squeeze()
else:
pass
Można to również uprościć, korzystając z odpowiedzi udzielonej przez @themachinist.
if len(df) > 1:
pass
else:
result = pd.Series() if df.empty else df.iloc[0, :]
df.T