Python 如何从熊猫核心系列中获取价值？

我有一个数据帧

df

，其中是特定ip号码的时区：

ip1         ip2           timezone
0           16777215          0
16777216    16777471       +10:00
16777472    16778239       +08:00
16778240    16779263       +11:00
16779264    16781311       +08:00
16781312    16785407       +09:00
...

第一行适用于从0到16777215的ip号码，第二行适用于从16777216到16777471的ip号码，依此类推。 现在，我浏览了一个文件夹，想知道每个文件的时区（在我计算了文件的

ip\u编号之后）。
我使用：

但这是熊猫核心系列，我只想要“+5:30”。
我怎么会变成这样？或者是否有其他方法代替
df.loc[…]
直接成为
df
中
时区列的值？
要从大小为1的系列中提取唯一值，请使用：

屈服

         ip timezone
0  16777471   +10:00
1  16777473   +08:00
2  16778238   +08:00
3  16785406   +09:00

理想情况下，下一步是应用更多NumPy/Pandas矢量化函数
一次处理整个数据帧。但如果必须，可以迭代
通过
结果
数据帧逐行显示。不过，您的代码看起来会更干净一些
因为您可以轻松读取ip和相应的偏移量（并且无需调用
.item（）
）

要从大小为1的系列中提取唯一值，请使用：

屈服

         ip timezone
0  16777471   +10:00
1  16777473   +08:00
2  16778238   +08:00
3  16785406   +09:00

理想情况下，下一步是应用更多NumPy/Pandas矢量化函数
一次处理整个数据帧。但如果必须，可以迭代
通过
结果
数据帧逐行显示。不过，您的代码看起来会更干净一些
因为您可以轻松读取ip和相应的偏移量（并且无需调用
.item（）
）

把它列出来

list(time)

如果仅排除一个值

list(time)[0]

或者您可以提前：

#for numpy array
time=df.loc[(df['ip1'] <= ip_number) & (ip_number <= df['ip2']), 'timezone'].values

#for list
time=list(df.loc[(df['ip1'] <= ip_number) & (ip_number <= df['ip2']), 'timezone'].values)

用于numpy阵列的
#
time=df.loc[（df['ip1']只需列出它即可

list(time)

如果仅排除一个值

list(time)[0]

或者您可以提前：

#for numpy array
time=df.loc[(df['ip1'] <= ip_number) & (ip_number <= df['ip2']), 'timezone'].values

#for list
time=list(df.loc[(df['ip1'] <= ip_number) & (ip_number <= df['ip2']), 'timezone'].values)

用于numpy阵列的
#
time=df.loc[（df['ip1']我对另一个问题的回答不起作用吗？我真的不明白。这个方法对我来说容易得多，但我需要最后一步的帮助。这只适用于一个ip_编号。如果你想要这些值，请执行
time.values[0]
。我对另一个问题的回答不起作用吗？我真的不明白。这个方法对我来说简单得多，但我需要最后一步的帮助。这只适用于一个ip\U号码。如果您需要这些值，请执行
time.values[0]
。
#for numpy array
time=df.loc[(df['ip1'] <= ip_number) & (ip_number <= df['ip2']), 'timezone'].values

#for list
time=list(df.loc[(df['ip1'] <= ip_number) & (ip_number <= df['ip2']), 'timezone'].values)