Als «pandas» getaggte Fragen

Hallo, ich habe die Concat-, Join- und Merge-Methoden für Pandas durchgearbeitet und kann anscheinend nicht finden, was ich will. Nehmen wir an, ich habe zwei Datenrahmen A = pd.DataFrame("A",index=[0,1,2,3,4],columns=['Col 1','Col 2','Col 3']) B = pd.DataFrame("B",index=[0,1,2,3,4],columns=['Col 1','Col 2','Col 3']) >>> A Col 1 Col 2 Col 3 0 A A A …

9 python  pandas  dataframe 

Betrachten Sie den Datenrahmen df df = pd.DataFrame(dict(A=[1, 2], B=['X', 'Y'])) df A B 0 1 X 1 2 Y Wenn ich mitschalte axis=0(Standardeinstellung) df.shift() A B 0 NaN NaN 1 1.0 X Es schiebt alle Zeilen wie erwartet um eine Zeile nach unten. Aber wenn ich mich bewege axis=1 …

9 python  pandas 

Ich habe einen Datenrahmen wie A B C 1 nan nan 2 nan 5 3 3 nan 4 nan nan Wie fülle ich nur die NULL-Werte (mit 0) für jede Reihe bis zum ersten Nicht-NULL-Wert, der zu führt A B C 1 0 0 2 0 5 3 3 nan …

9 python  pandas  dataframe  null 

Ich kann einfach nicht herausfinden, was "==" in der zweiten Zeile bedeutet: - Es ist kein Test, es gibt keine if-Anweisung ... - Es ist keine Variablendeklaration ... Ich habe das noch nie gesehen, die Sache data.ctage==catist eine Pandas-Serie und kein Test ... for cat in data["categ"].unique(): subset = data[data.categ …

8 python  pandas  dataframe  matrix-indexing 

Ich habe Börsendaten für ein einzelnes Wertpapier, die 20 Jahre zurückreichen. Die Daten befinden sich derzeit in einem Pandas DataFrame im folgenden Format: Das Problem ist, dass ich keine Handelsdaten außerhalb der Geschäftszeiten in meinem DataFrame haben möchte. Der betreffende Markt ist von 9:30 bis 16:00 Uhr (09:30 bis 16:00 …

8 python  pandas  numpy  dataframe 

Nehmen wir also an, Sie haben einen Python-Prozess, der Daten in Echtzeit mit ungefähr 500 Zeilen pro Sekunde (dies kann weiter parallelisiert werden, um auf ungefähr 50 ps zu reduzieren) aus einem Warteschlangensystem sammelt und an Folgendes anfügt DataFrame: rq = MyRedisQueue(..) df = pd.DataFrame() while 1: recv = rq.get(block=True) …

8 python-3.x  pandas  dataframe  python-multiprocessing 

Verwenden von Python3 und Cartopy mit folgendem Code: import matplotlib.pyplot as plt import cartopy import cartopy.io.shapereader as shpreader import cartopy.crs as ccrs ax = plt.axes(projection=ccrs.PlateCarree()) ax.add_feature(cartopy.feature.LAND) ax.add_feature(cartopy.feature.OCEAN) ax.add_feature(cartopy.feature.COASTLINE) ax.add_feature(cartopy.feature.BORDERS, linestyle='-', alpha=.5) ax.add_feature(cartopy.feature.LAKES, alpha=0.95) ax.add_feature(cartopy.feature.RIVERS) ax.set_extent([-150, 60, -25, 60]) shpfilename = shpreader.natural_earth(resolution='110m', category='cultural', name='admin_0_countries') reader = shpreader.Reader(shpfilename) countries = reader.records() for …

8 python  pandas  numpy  dataframe  cartopy 

import pandas as pd import numpy as np data = {'Name':['Tom', 'Tom', 'Jack', 'Terry'], 'Age':[20, 21, 19, 18]} df = pd.DataFrame(data) Nehmen wir an, ich habe einen Datenrahmen, der so aussieht. Ich versuche herauszufinden, wie die Spalte Name auf den Wert 'Tom' überprüft werden kann. Wenn ich ihn beim ersten …

8 python  pandas 

Ich versuche, basierend auf ihrer Sequenzbeziehung zwischen den beiden Spalten zu gruppieren. d = {'df1':[10,20, 30, 60, 70, 40, 30, 70], 'df2':[20, 30, 40, 80, 70, 50, 90, 100]} df = pd.DataFrame(data = d) df df1 df2 0 10 20 1 20 30 2 30 40 3 60 80 4 …

8 python  pandas  networkx 

Ich habe einen Datenrahmen wie diesen: x = pd.DataFrame({ 'audio': ['audio1', 'audio1', 'audio2', 'audio2', 'audio3', 'audio3'], 'text': ['text1', 'text2', 'text3', 'text4', 'text5', 'text6'], 'login': ['operator1', 'operator2', 'operator3', 'operator4', 'operator5', 'operator6'] }) Ich versuche es so zu aggregieren: x1 = x.groupby('audio')['text'].agg( [ ('text1', lambda x : x.iat[0]), ('text2', lambda x : …

8 python  pandas  dataframe 

Angenommen, ich habe folgenden Datenrahmen: a = [[1,2,3,4,5,6],[23,23,212,223,1,12]] b = [1,1] df = pd.DataFrame(zip(a,b), columns = ['a', 'b']) Mein Ziel ist es, die Elemente in den Listen in Serie A zu entfernen, die in Serie B enthalten sind. Mein Versuch dazu ist unten: df['a'] = [i.remove(j) for i,j in zip(df.a, …

8 python  pandas 

Ich habe einen DataFrame mit Werten, die in zwei Spalten angeordnet sind, siehe Tabelle T1 . Möchten Sie die Werte neu anordnen, um ein Datenlayout wie in Tabelle T2 gezeigt zu erstellen . Zeilen in T2 werden erstellt, indem ein "Schiebefenster" von Werten transponiert wird, wobei die Spalte a in …

8 python  pandas 

Ich bin ziemlich neu in Python und Pandas, also entschuldige ich mich für zukünftige Missverständnisse. Ich habe einen Pandas DataFrame mit Stundenwerten, der ungefähr so ​​aussieht: 2014-04-01 09:00:00 52.9 41.1 36.3 2014-04-01 10:00:00 56.4 41.6 70.8 2014-04-01 11:00:00 53.3 41.2 49.6 2014-04-01 12:00:00 50.4 39.5 36.6 2014-04-01 13:00:00 51.1 39.2 …

8 python  pandas  datetime  mean 

Der folgende Code gibt mir einen Fehler. import pandas as pd df = pd.DataFrame({'a' : [1,2,3]}) df.to_hdf('temp.h5', key='df', mode='w') Das gibt mir Fehler. Fehlende optionale Abhängigkeitstabellen. Verwenden Sie pip oder conda, um Tabellen zu installieren. Ich habe bereits versucht, ImportError HDFStore erfordert PyTables Kein Modul mit dem Namen Tabellen . …

8 python  pandas  pip  hdf5  pytables