编辑：看起来这是 Pandas 中的一个潜在错误。查看@NicMoetsch 提出的这个 GitHub问题，注意到使用字典值分配的意外行为与框架__setitem__()和__getitem__().
在我之前的代码中，我用字典重命名了一些列：
cols_dict = {
'Long_column_Name': 'first_column',
'Other_Long_Column_Name': 'second_column',
'AnotherLongColName': 'third_column'
}
for key, val in cols_dict.items():
df.rename(columns={key: val}, inplace=True)
（我知道这里不需要循环——在我的实际代码中，我必须在数据帧列表中搜索数据帧的列，并获得字典键的子字符串匹配。）
后来我做了一些清理applymap()，索引字典值，它工作正常
pibs[cols_dict.values()].applymap(
lambda x: np.nan if ':' in str(x) else x
)
但是当我尝试将切片分配回自身时，我收到一个关键错误（此处为完整错误消息）。
pibs[cols_dict.values()] = pibs[cols_dict.values()].applymap(
lambda x: np.nan if ':' in str(x) else x
)
---------------------------------------------------------------------------
KeyError Traceback (most recent call last)
~/.local/lib/python3.7/site-packages/pandas/core/indexes/base.py in get_loc(self, key, method, tolerance)
3079 try:
-> 3080 return self._engine.get_loc(casted_key) …我有一个“是/否”格式的数据框，例如
7 22
1 NaN t
25 t NaN
其中“t”代表是，我需要将其转换为 XY 表，因为列名是 X 坐标，索引是 Y 坐标：
X Y
1 22 1
2 7 25
一个伪代码，如：
if a cell = "t":
newdf.X = df.column(t)
newdf.Y = df.index(t)
我想将数据框中的所有“对象”类型列转换为另一种数据类型（浮点数），而不需要对列名称进行硬编码。我能够从其他似乎有效的答案中拼凑出一些代码，但我觉得必须有一种更简单的方法来做到这一点。
# Creating isolating columns of object data type
object_cols = df.loc[:, df.dtypes == 'O']
# Extracting column names with list comprehension
object_type_columns = [col for col in object_cols.columns]
# Converting column types of .astype in a for loop
for col in object_type_columns:
df[col] = df[col].astype(float)
如果我遗漏了任何信息，请告诉我（我是新手）。谢谢！
我有一个 Python 列表
num_list = list(range(1,33))
并且需要列表中的所有其他数字对，如下所示：
[1, 2, 5, 6, 9, 10 ... ]
我已经弄清楚如何从列表中排除某些索引，就像这样
num_list[2::3]
> [3, 6, 9, 12, 15, 18, 21, 24, 27, 30]
但还没有弄清楚如何让它一次捕获两个索引。