我有一些像 `result_ses` 这样的pandas系列数据。我想将所有数据累积到一个字典中，并将数据保存在csv文件中。我正在使用Google Colab进行工作。但是我在删除数据中的一些不必要信息方面遇到了问题。我的代码如下：
asd = {}
for prod in unique_products[:4]:
    asd[prod] = {}  # 为每个产品创建一个空字典
    asd[prod]['ses'] = result_ses
    asd[prod]['des'] = result_des
print(asd)
输出如下：
{'2-28-437': {'ses': 2021-05-01    16
                     2021-06-01    16
                     2021-07-01    16
                     Freq: MS, Name: ses, dtype: int64, 
              'des': 2021-05-01    14
                     2021-06-01    14
                     2021-07-01    13
                     Freq: MS, Name: des, dtype: int64}, 
  '2-2-329': {'ses': 2021-05-01    16
                   2021-06-01    16
                   2021-07-01    16
                   Freq: MS, Name: ses, dtype: int64, 
            'des': 2021-05-01    14
                   2021-06-01    14
                   2021-07-01    13
                   Freq: MS, Name: des, dtype: int64}, 
  '24-30-42-7400': {'ses': 2021-05-01    16
                           2021-06-01    16
                           2021-07-01    16
                           Freq: MS, Name: ses, dtype: int64, 
                    'des': 2021-05-01    14
                           2021-06-01    14
                           2021-07-01    13
                           Freq: MS, Name: des, dtype: int64}, 
  '2-53-1151': {'ses': 2021-05-01    16
                 2021-06-01    16
                 2021-07-01    16
                 Freq: MS, Name: ses, dtype: int64, 
          'des': 2021-05-01    14
                 2021-06-01    14
                 2021-07-01    13
                 Freq: MS, Name: des, dtype: int64}}
其中`result_ses`和`result_des`都是pandas系列，`unique_products`是一个字符串列表。
# 如果我输入
result_ses.info() 
# 我得到
<class 'pandas.core.series.Series'>
DatetimeIndex: 3 entries, 2021-05-01 to 2021-07-01
Freq: MS
Series name: ses
Non-Null Count  Dtype
--------------  -----
3 non-null      int64
dtypes: int64(1)
memory usage: 48.0 bytes
要查看`result_ses`的内容，我输入`print(result_ses)`并得到：
2021-05-01    16
2021-06-01    16
2021-07-01    16
Freq: MS, Name: ses, dtype: int64 # 我不希望包含在csv文件中
我不希望字典`asd`包含这两个额外的信息，具体为**Freq: MS, Name: des, dtype: int64**，我只想保留其余部分，以便我可以在csv文件中获得所需的输出。使用以下代码，我尝试将数据保存在csv文件中，但它的格式不符合我的要求。
op_path = '/content/output/'
output_file_path = op_path + f'desired_output.csv'
ddf = pd.DataFrame.from_dict(asd, orient='index')
ddf.to_csv(output_file_path, index_label='Date')
我希望最终输出的csv文件如下所示。如何解决这个问题？
[![desired output image in csv][1]][1]

你可以通过`DatetimeIndex`创建列，并为`ses`和`des`提供值：
asd = {}
for prod in unique_products[:4]:
    asd[prod] = pd.DataFrame({'ses_date': result_ses.index, 
                              'ses_val': result_ses.to_numpy(),
                              'des_date': result_des.index, 
                              'des_val': result_des.to_numpy()})
df = pd.concat(asd)
要使用空格分隔不同的值：
asd = {}
for prod in unique_products[:4]:
    ses = (result_ses.index.astype(str) + ' ' + result_ses.astype(str)).to_numpy()
    des = (result_des.index.astype(str) + ' ' + result_des.astype(str)).to_numpy()
    asd[prod] = pd.DataFrame({'ses': ses, 'des': des})
    
df = pd.concat(asd)
测试和解决方案运行良好：
result_ses = pd.Series([1, 2, 3], pd.date_range('2000-01-01', periods=3))
result_des = pd.Series([8, 9, 7], pd.date_range('2000-02-01', periods=3))
unique_products = ['2-28-437', '2-2-329', '24-30-42-7400', '2-53-1151']
    
asd = {}
for prod in unique_products[:4]:
    ses = (result_ses.index.astype(str) + ' ' + result_ses.astype(str)).to_numpy()
    des = (result_des.index.astype(str) + ' ' + result_des.astype(str)).to_numpy()
    asd[prod] = pd.DataFrame({'ses': ses, 'des': des})
    
df = pd.concat(asd)
    
df.to_csv(f'modified_output.csv')
,,ses,des
2-28-437,0,2000-01-01 1,2000-02-01 8
2-28-437,1,2000-01-02 2,2000-02-02 9
2-28-437,2,2000-01-03 3,2000-02-03 7
2-2-329,0,2000-01-01 1,2000-02-01 8
2-2-329,1,2000-01-02 2,2000-02-02 9
2-2-329,2,2000-01-03 3,2000-02-03 7
24-30-42-7400,0,2000-01-01 1,2000-02-01 8
24-30-42-7400,1,2000-01-02 2,2000-02-02 9
24-30-42-7400,2,2000-01-03 3,2000-02-03 7
2-53-1151,0,2000-01-01 1,2000-02-01 8
2-53-1151,1,2000-01-02 2,2000-02-02 9
2-53-1151,2,2000-01-03 3,2000-02-03 7
如果需要在Excel中按独立行格式化：
result_ses = pd.Series([1, 2, 3], pd.date_range('2000-01-01', periods=3))
result_des = pd.Series([8, 9, 7], pd.date_range('2000-02-01', periods=3))
unique_products = ['2-28-437', '2-2-329', '24-30-42-7400', '2-53-1151']
    
asd = {}
for prod in unique_products[:4]:
    ses = (result_ses.index.astype(str) + ' ' + result_ses.astype(str)).to_numpy()
    des = (result_des.index.astype(str) + ' ' + result_des.astype(str)).to_numpy()
    asd[prod] = pd.DataFrame({'ses': ses, 'des': des})
    
df = pd.concat(asd).groupby(level=0).agg('\n'.join).rename_axis('Date').reset_index()
    
with pd.ExcelWriter('modified_output.xlsx', engine='xlsxwriter') as writer:
    df.to_excel(writer, sheet_name='Sheet1', index=False)
    workbook  = writer.book
    worksheet = writer.sheets['Sheet1']
    cell_format = workbook.add_format({'text_wrap': True})
    worksheet.set_column('A:Z', cell_format=cell_format)