如何去除Pandas中query提取数据时附带的索引信息？

问题描述 #

首次在Stack Overflow提问，现有代码中df_history是包含多变量的DataFrame，想要提取其中的close变量并按currency类别排序，但用.query提取数据时，得到的对象附带原索引编号（如BTC对象中的179、178等），希望去除这些索引；另外尝试用ast处理数据但效果不佳。

原代码：

additional_rows = []
for currency in selected_coins:
      df_history = df_history.sort_values(['date'], ascending=True) 
      row_data = [currency,
          df_history.query('granularity == \'daily\' and currency == @currency')['close'], 
          df_history.query('granularity == \'daily\' and currency == @currency').head(180)['close'].pct_change(),
          df_history['date']
          ]
      additional_rows.append(row_data)
df_additional_info = pd.DataFrame(additional_rows, columns = ['currency',
                                                              'close',
                                                              'returns',
                                                              'df_history'])
df_additional_info.set_index('currency').transpose()

尝试的无效处理代码：

import ast
list_of_lists = df_additional_info.close.to_list()
flat_list = [i for sublist in list_of_lists for i in ast.literal_eval(sublist)]
uniq_list = list(set(flat_list))
len(uniq_list),len(flat_list)

解决方案 #

1. 核心解决思路：提取数据时直接转成列表去除索引 #

.query返回的是Series对象，自带原DataFrame的索引，只需用.tolist()或.values.tolist()把Series转成纯数值列表，就能彻底去掉索引。

2. 优化后的完整代码 #

# 先整体排序一次，避免循环内重复排序浪费性能
df_history_sorted = df_history.sort_values(['date'], ascending=True)
additional_rows = []

for currency in selected_coins:
    # 一次性筛选当前币种的日线close数据，减少重复查询
    daily_close = df_history_sorted.query('granularity == "daily" and currency == @currency')['close']
    
    # 转成列表去除索引
    close_list = daily_close.tolist()
    # 计算180天收益率，转成列表并处理首值NaN（这里用fillna(0)填充，可按需调整）
    returns_list = daily_close.head(180).pct_change().fillna(0).tolist()
    # 对应筛选当前币种的日期，避免取整个DataFrame的日期
    date_list = df_history_sorted.query('granularity == "daily" and currency == @currency')['date'].tolist()
    
    row_data = [currency, close_list, returns_list, date_list]
    additional_rows.append(row_data)

# 构造新DataFrame
df_additional_info = pd.DataFrame(additional_rows, columns=['currency', 'close', 'returns', 'dates'])
# 转置后得到的结果就不会带原索引了
final_result = df_additional_info.set_index('currency').transpose()

3. 为什么之前的ast处理无效？ #

df_additional_info.close中的元素是Series对象，不是字符串格式的列表，所以ast.literal_eval无法解析，直接用.tolist()转成列表才是正确的处理方式。

内容的提问来源于stack exchange，提问作者Steve Jobs