一. series 变 dataFrame

代码：

print("Before reset_index:")

print(results)

results = results.reset_index()

results.columns = ['date', 'data_value']

print("\nAfter reset_index and rename columns:")

print(results)

Before reset_index:
date
2016/7/7 22:00    7.00075
2016/7/7 23:00    7.99975
2016/7/8 00:00    8.99875
2016/7/8 01:00    9.99775
dtype: float64

After reset_index and rename columns:
             date  data_value
0  2016/7/7 22:00     7.00075
1  2016/7/7 23:00     7.99975
2  2016/7/8 00:00     8.99875
3  2016/7/8 01:00     9.99775

解释：

1.series索引列变普通列：
当您使用 results.reset_index() 时，它已经将原来的 Series 对象转换成了一个 DataFrame，并将原来的索引（date）转换成了一个普通列。这一步已经完成了您想要的转换。

2.重新赋给列名：

results.columns = ['date', 'data_value']

二.将一个Pandas DataFrame对象直接转换为一个JSON格式

Python的json模块并不能直接处理DataFrame对象。Pandas DataFrame对象并不是Python内置的JSON可序列化类型，因此你无法直接使用json.dumps()函数来序列化它。

要解决这个问题，你需要先将DataFrame对象转换为可以被JSON序列化的格式，比如字典或列表。Pandas提供了to_dict()和to_json()方法，你可以使用它们来将DataFrame转换为JSON。

import json  
import pandas as pd  
  
# 创建一个示例DataFrame  
df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})  
  
# 将DataFrame转换为字典  
df_dict = df.to_dict('records')  # 或者使用其他格式，比如 'split', 'index', 'series', 'default'  
  
# 将字典转换为JSON字符串  
json_str = json.dumps(df_dict)  
  
print(json_str)

或者

import pandas as pd  
  
# 创建一个示例DataFrame  
df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})  
  
# 将DataFrame直接转换为JSON字符串  
json_str = df.to_json()  
  
print(json_str)

 三.要从Pandas的DataFrame中切片得到第二列和第三列，你可以使用.iloc或列名（如果列名已知）来进行索引：

samples = preds.iloc[:, 1:3]

 要从Pandas的DataFrame中切片得到第二行和第三行：

samples = preds.iloc[1:3, :]