具有分类数据的Groupby非唯一性与唯一性
Groupby是一种数据处理操作，用于将数据按照指定的列或条件进行分组。在Groupby操作中，可以对分组后的数据进行聚合、筛选、统计等操作。
非唯一性Groupby指的是在分组操作中，分组的依据列中可能存在重复值，即同一个分组可能包含多个相同的值。这种情况下，分组后的结果可能包含多个相同的分组。
唯一性Groupby指的是在分组操作中，分组的依据列中不存在重复值，即每个分组都是唯一的。这种情况下，分组后的结果中每个分组只会出现一次。
分类数据是指具有离散取值的数据，通常表示为字符串或枚举类型。在Groupby操作中，可以使用分类数据作为分组的依据列。
优势：
- 数据整理和分析：Groupby操作可以方便地对数据进行整理和分析，通过对分组后的数据进行聚合、筛选等操作，可以得到更加清晰和有用的结果。
- 统计和汇总：Groupby操作可以对数据进行统计和汇总，例如计算每个分组的平均值、总和、最大值、最小值等。
- 数据探索和发现：通过对数据进行Groupby操作，可以发现数据中的潜在模式、规律和异常情况，帮助用户进行数据探索和发现。
应用场景：
- 数据分析和报告：在数据分析和报告中，常常需要对数据进行分组和统计，Groupby操作可以帮助用户快速得到所需的结果。
- 数据清洗和预处理：在数据清洗和预处理过程中，可以使用Groupby操作对数据进行分组和聚合，以便更好地处理和清洗数据。
- 数据可视化：在数据可视化中，可以使用Groupby操作对数据进行分组和统计，以便生成各类图表和可视化结果。
腾讯云相关产品：
腾讯云提供了一系列与数据处理和分析相关的产品和服务，可以用于支持Groupby操作和数据处理需求。以下是一些推荐的腾讯云产品：
- 云数据库 TencentDB：腾讯云的云数据库服务，提供了多种数据库引擎和存储类型，可以满足不同的数据处理需求。产品介绍链接：https://cloud.tencent.com/product/cdb
- 数据仓库 Tencent Data Warehouse：腾讯云的数据仓库服务，提供了高性能、可扩展的数据存储和分析能力，支持大规模数据处理和分析。产品介绍链接：https://cloud.tencent.com/product/dw
- 数据计算 Tencent Data Compute：腾讯云的数据计算服务，提供了弹性、高性能的数据计算能力，支持批量计算、流式计算和交互式查询等场景。产品介绍链接：https://cloud.tencent.com/product/dc
请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求和情况进行。
相关·内容
1回答
我的问题有两部分。第一种是了解火花的工作方式，第二种是优化。
我有一个火花数据，它有多个分类变量。对于这些分类变量中的每一个，我将添加一个新列，其中每一行都是相应级别的频率。
例如
Date_Built Square_Footage Num_Beds Num_Baths State Price Freq_State
01/01/1920 1700 3 2 NY 700000 4500
在这里，对于State (一个分类变量)，我要添加一个新变量Freq_State。级别NY在dataset
浏览 1提问于2018-04-19得票数 2
我有信用贷款数据，但原始df有许多贷款I，可以在一个客户之下。因此，为了构建客户端配置文件，我需要按客户端id进行分组。
原始df：
contract_id', 'product_id','client_id','bal','age', 'gender', 'pledge_amount', 'branche_region
RZ13/25 000345 98023432 2300 32 M 4500
浏览 2提问于2020-05-18得票数 0
我有一个分类(LDA分类器)的问题。
我有80个训练数据样本(80x100)和15个测试数据样本(15x100)。分类函数返回：The covariance matrix of each group in TRAINING must be positive definite。
浏览 0提问于2018-02-26得票数 0
描述了不同的索引：
键或索引指的是正常的非唯一索引。允许索引的非不同值，因此索引可以在索引的所有列中包含具有相同值的行。这些索引不对数据强制执行任何限制，因此它们仅用于确保某些查询能够快速运行。
唯一是指索引的所有行都必须是唯一的索引。也就是说，对于此索引中的所有列，同一行可能没有与另一行相同的非空值。除了用于加速查询之外，还可以使用唯一索引来强制限制数据，因为数据库系统不允许在插入或更新数据时破坏这一不同的值规则。
我理解应用程序逻辑的好处(您不需要唯一性检查)，但是性能也有改善吗？具体来说，使用索引而不是唯一的写入速度有多快？
浏览 0提问于2018-03-02得票数 2
回答已采纳
1回答
我有一个很大的熊猫数据框，大致看起来像这样 Identity periods one two three Label
0 one 1 -0.462407 0.022811 -0.277357
1 one 1 -0.617588 1.667191 -0.370436
2 one 2 -0.604699 0.635473 -0.556088
3 one 2 -0.852943 1.087415 -0.784377
浏览 44提问于2021-04-20得票数 2
回答已采纳
2回答
我有一个多类分类问题。我使用的是随机森林分类器。我的老板问我，是否也可以用回归来看待我们的问题。我理解，对于分类任务，使用分类器当然更好，但实现回归模型是可能的。 我的数据是这样的： 我有一个由软件需求组成的数据集，这些需求的等级为1、2、3、4或5。 然后，我创建了一个特征矩阵，用于训练模型以对类进行预测，其中包含10个特征，例如: num_words、num_sentences、num_syllables、weak_words、flesh_idx等 我的模型工作得很好，准确率为93%。 有没有一种方法可以用回归来看待这个问题？这样模型就会做出例如1.5这样的预测，其中预测不属于类别1或2
浏览 33提问于2019-10-08得票数 1
我有一个数据框，其中有一个分类变量，其中组大小各不相同。在分类变量的每一组中，我希望分配一个介于1和10之间的随机数。我在1和10之间创建的随机数与特定组中的条目一样多。为了分配一个随机数，我创建了一个名为createrandomnum的简单函数。 然后我使用了下面这行代码： grouped_vales = data.groupby("categories").categories.agg(newnumber = createrandomnum) 然后输出是一个数据帧，其中每一行代表一个类别。名为“newnumber”的列包含数字介于1和10之间的列表。列表的长度与原始数据框
浏览 22提问于2020-01-24得票数 1
回答已采纳
我有一个Pandas数据帧，如下所示：
ID Cat
1 SF
1 W
1 F
2 R64
2 SF
2 F
第一列是标识符，第二列包含分类数据，顺序如下：R64 < SF < F < W
我想要一个新的数据帧，它包含每个ID的最大分类值。生成的数据帧应如下所示：
ID Cat
1 W
2 F
我尝试了来自的解决方案，但它似乎不适用于分类数据：df.groupby("ID", as_index=False).Cat.max()
这种方法的结果如下所示：
ID number
1 SF
2 SF
我像这样声明分类列：
浏览 51提问于2018-06-10得票数 2
回答已采纳
我有一个数据库，其中所有的表都包含一个Site列(char(4))和一个PrimaryId列(int)。
目前，所有表上的聚集索引都是这两列的组合。许多客户只有一个站点，因此在这些情况下，我认为将聚集索引更改为只包含PrimaryId是非常有意义的。
但是，在有多个站点的情况下，我想知道只使用PrimaryId作为聚集索引是否仍然有利？拥有一个较小的聚集索引会比拥有一个唯一索引产生更好的性能吗？
如果它是相关的，通常不会有超过几个网站。10个站点会很多。
浏览 1提问于2013-12-20得票数 4
1回答
关联三个不同表的三个主键
、、、
我有以下表格类别、餐厅和菜单。
一家餐厅可以有多个菜单，一家餐厅也可以有多个类别。显然，每个菜单都有一些分类，每个分类可以是多个菜单的一部分。
我可以创建一个像这样的表，并且有3个主键吗？
分类ID |餐厅ID |菜单ID
1(开胃菜)|1智利的|2晚餐菜单
2(主菜)|1智利的|2晚餐菜单
3(甜点)|1智利的|2晚餐菜单
1| 67 McDonalds |3午餐菜单1
浏览 0提问于2012-03-20得票数 0
回答已采纳
我有一个每日数据集，其中有分类和数字列。因此，我想将每日数据集更改为每月数据集。我怎么才能用python做到这一点呢？例如，如果我有一个与下图类似的数据集，那么如何才能使其每月具有一个数字列的分类值和和值。数值列的求和很容易，但是有分类就很难了。在整个日常数据中，分类值很可能是相同的。
浏览 3提问于2022-06-03得票数 1
我有一个数据集，其中包含：("wordsList“和"classList”文件)。
wordsList文件包含72封预处理后的电子邮件.每一行都是从每封电子邮件中提取的单词列表。
classList文件包含类标签，它指示电子邮件是普通的还是广告的(普通邮件为0，广告为1)。
我的任务是在Python中开发一个Na Bayesian分类器作为电子邮件过滤器。也就是说，分类器预测电子邮件是普通的还是广告的。
为了发展这一点，我需要使用分层抽样，从72条线中挑选66条用于训练，其余6条用于测试。然后返回这6种记录的分类概率。但对我来说，坏消息是我不能使用任何机器学习库，只能使用Num
浏览 10提问于2020-02-17得票数 1
回答已采纳
1回答
我有一个包含几个分类列的数据，我想将所有这些合并到一个分类列中，最好使用Pandas。
例如，如果我有两个列，名为category1 (c1)和category2 (c2)，其数据范围为0到2，则希望将它们聚合到其他列类别(c)中，该列的范围可从0到5，表示所有可能的分类值组合。
我会从这一点出发：
d1 d2 c1 c2
1 1 NA 0
2 1 1 1
3 1 0 2
4 2 2 NA
5 1 NA NA
6 2 2 2
7 2 0 NA
8 2 0 2
对此：
d1 d2 c
1 1 0
2 1 1
3 1 2
4 2 3
5
浏览 2提问于2019-11-10得票数 2
回答已采纳
2回答
据我所知，在进行特征工程之前，必须将数据集分成训练数据和测试数据，以避免分析中的偏差。我还了解到，机器学习模型除了数字数据之外不理解数据，因此需要编码，这是特征工程的一部分。我的问题是，我是单独编码测试数据，还是预测函数理解分类数据。
浏览 0提问于2019-11-06得票数 1
回答已采纳
3回答
因为，它会导致我的惟一稀疏索引失败，因为其中一个字段是可选的，并且由于索引的目的被mongodb强制转换为null。
对于这个字段和其他字段的组合，我需要数据库级别的唯一性保证，并且必须通过一些连接的字符串在应用程序级别管理它，这让我很担心。
作为另一种选择，我考虑将可能为空的索引字段的默认值设置为'null ' + anObjectId，因为这将允许我保留索引而不会导致错误。这看起来像是一个敏感的(尽管有点老生常谈的)解决方案吗？有没有人知道有更好的方法可以在复合索引上强制数据库级的唯一性？
编辑:我被要求对实际的问题域进行更多的详细说明，所以它就来了。
我们从客户那里获得大
浏览 0提问于2015-01-28得票数 13
我在Pandas中有一个数据帧，它既有分类信息，也有自由文本数据。我想要对自由文本数据中特定字符串出现的次数进行count，并对每个分类变量进行groupby。
我一直在使用的一些策略如下，但没有提供我想要的结果。我可以修改什么来达到最终的预期效果？
country freeText
USA yes
China no
USA yes
Brazil no
Brazil no
China no
df[df['freeText']=='no'].groupby('country').count()
df.groupby('coun
浏览 2提问于2018-07-29得票数 2
1回答
我是Pyspark编程的新手。我需要些帮助。 我有一个带有分类特征的数据集和一些与之相关的数值。我想对分类值进行矢量化，包括与之相关的数值。我有大约300万个分类数据列的可能值。 ?
浏览 22提问于2021-01-22得票数 0
2回答
我在sql中有以下代码：
SELECT "Field 1" AS fullname, null AS limsuser_id
UNION
SELECT fullname, limsuser_id from table1
UNION
SELECT "Field 2" AS fullname, null AS limsuser_id
UNION
SELECT fullname, limsuser_id from table2
基本上，“字段1”和“字段2”充当标题。
现在，它在ASP.net端返回一个数据集。
但是，当有人在对数据集排序时单
浏览 1提问于2018-10-10得票数 0
回答已采纳
1回答
我正在尝试合并密钥'id‘上的3个熊猫数据帧，但不知何故无法得到正确的结果。 最后，我想要一个有2行的数据帧，一行的id为'abc‘，对象为(something, 1)，(something1,1)，一行的id为'def’，带有object2 (something,1)和objects (something，1)。有没有办法通过熊猫来实现这一点？ import pandas as pd
df1 = pd.DataFrame([[]])
df1['id'] ='abc'
df1['object'] = -1
df1[
浏览 17提问于2020-05-01得票数 0
回答已采纳
1回答
我有一个数据帧X，它有两个分类特征和41个数字特征。因此，X总共有43个特性。
现在，我想将分类特征转换为数字级别，以便它们可以在RandomForest分类器中使用。
我做了以下工作，其中0和1表示分类特征的位置：
import pandas as pd
X = pd.read_csv("train.csv")
F1 = pd.get_dummies(X.iloc[:, 0])
F2 = pd.get_dummies(X.iloc[:, 1])
然后，我将这两个数据帧连接起来：
Xnew = pd.concat([F1, F2, X.ix[:, 2:]])
现在，Xne
浏览 0提问于2016-08-31得票数 1
1回答
我在一个自然历史博物馆工作，需要为我们收藏的抽屉制作标签，这些抽屉里有保存标本的分类。我将每个分类单元的电子表格作为一个单独的行存储在抽屉中(意味着一个抽屉有多行)，如下所示。
每个抽屉中标本分类的电子表格：
我创建了一个pivot表，它将数据转换为类似于结构的层次树，或多或少地反映了我希望配置标签的方式(如下所示)。
每个抽屉里的分类群枢轴表：
我想要创建一个XML文档，它反映了枢轴表的层次结构，这样我就可以在InDesign中自动生成抽屉标签了。我不太习惯XML模式，更不习惯如何将平面表格数据导出到它们。
如果有一个Python解决方案，我希望看到你们的想法，或者有一种
浏览 3提问于2020-01-23得票数 0
回答已采纳
我有一个包含分类数据和NaN值的COLOR列的熊猫数据框-
ZIP YEAR COLOR
11111 1990 0
11111 1990 1
11111 1990 NaN
11111 1990 1
22222 2000 0
22222 2000 NaN
22222 2000 NaN
22222 2000 1
如何按ZIP和YEAR列(df.groupby(['ZIP', 'YEAR']))聚合
浏览 12提问于2020-02-17得票数 1
1回答
我有一个数据集的真假值作为分类器。我有这个数据集的DataFrame表示。但是，对于分类器，此数据集的真假值约为30 : 70。理想情况下，两种分类器都要50 : 50。最好的方法是显示两种分类中有多少真假值，然后从最高数目的分类中删除一些数据行？
Eg DF：
Language Trustworthy
en 0
du 0
li 0
tm 0
en 1
en 0
en 0
en
浏览 0提问于2014-07-22得票数 0
回答已采纳
2回答
如何划分具有多个包含多个标签或类的大数据帧。
例如，我的有100万行，100列是，50列有不同标签的分类数据。
现在，如何将数据框架划分为2或3个部分(或子集)，其中分类列中的所有标签都应该出现在2或3子集中。对于大型数据集来说，这是可能的吗？
def rec():
print('#rec Started')
shuf_data = df.sample(frac=1)
ran_data = np.random.rand(len(shuf_data)) < 0.5
p_d = shuf_data[ran_data]
d = shuf_
浏览 3提问于2021-11-04得票数 0
回答已采纳
给出的分类清单：
[{'id': 1, 'name': 'Sam'}, {'id': 1, 'name': 'Bob'}, {'id': 2, 'name': 'Mark'}, {'id': 2, 'name': 'Jane'}]
需要将其转化为：
[{'id': 1, 'name': 'Sam'}, {'id': 2, 'name&
浏览 4提问于2022-09-12得票数 0
回答已采纳
3回答
很抱歉，如果以前有人问过类似的问题，我到处找，但找不出解决办法。
我的数据集看起来像这样
data1 = {'Group':['Winner','Winner','Winner','Loser','Loser','Loser'],
'MathStudy': ['Read','Read','Notes','Cheat','Cheat','Read'],
浏览 4提问于2021-02-26得票数 0
回答已采纳
我读过一些关于唯一和非唯一索引的文章和oracle文档。我理解的是索引是索引，约束是约束。
约束使用索引来确保数据完整性。主键使用唯一或非唯一索引来确保列是唯一的，而不是空的。对于唯一的约束也是如此。但是约束可以使用一个非唯一的索引，如果我们希望它们可以被推迟。
问题是一个唯一的索引，它只是一个索引，而我看不到与它相关的任何约束，所以内部发生了什么，所以唯一的索引不允许重复的值，这是一些内部语义作为约束来确保索引的唯一性？
假设一个唯一的索引能够在没有任何约束的情况下是唯一的，那么我想从任何意义上理解约束与索引的关系。
浏览 3提问于2021-04-12得票数 1
回答已采纳
1回答
在训练二进制分类器之前，我使用Pandas进行数据处理。我找不到的一件事是一个函数，它告诉我给定某个特征的值，比方说年龄(例如60岁的人)，这些人中的哪个百分比被分类为1或0(在二进制数据列中)。在年龄栏中，所有不同年龄的人都可以这样做。 一个简单的例子来说明我的想法。我有以下DataFrame： import pandas as pd
data = pd.DataFrame({'Age': [23, 24, 23 ,25 ,24 ,24 ,20], 'label': [0, 1, 1, 0, 1, 1, 0]}) 我想要一个函数，它能给出所有年龄段的人被标
浏览 16提问于2020-08-18得票数 2
回答已采纳
1回答
我有一个使用关系的多个表的核心数据设计。我的数据库是SQLite。对于更新，我从JSON导入数据并使用以下方法：
[NSEntityDescription insertNewObjectForEntityForName:entityName inManagedObjectContext:context].
我在核心数据中添加了独特的约束。如果我更新一个实体是另一个对象的关系，它就失去了连接。
例如:实体"person“，包含与"pet_id”的一对一关系。如果我更新“宠物”，它会改变他的身份，“人”仍然指向旧的身份，所以他们不再相关。有办法避免这个问题吗？
浏览 3提问于2016-10-18得票数 0
回答已采纳
我有一个数据集，它有两列: company和value。
它有一个datetime索引，包含重复项(在同一天，不同的公司有不同的值)。这些值有缺失的数据，所以我想用来自同一公司的前一个数据点来向前填充缺失的数据。
然而，我似乎找不到一种好的方法来做到这一点，而不会遇到奇怪的groupby错误，这表明我做错了什么。
玩具数据：
a = pd.DataFrame({'a': [1, 2, None], 'b': [12,None,14]})
a.index = pd.DatetimeIndex(['2010', '2011',
浏览 0提问于2016-07-27得票数 9
1回答
因此，我试图提供一些文件，并在页面上显示有关他们的信息与下载链接。信息存储在一个sqlite数据库中，我正在使用烧瓶和SQLalchemy。我的文件模型如下：
class storedfile(db.Model):
id = db.Column(db.Integer, primary_key = True)
path = db.Column(db.Text, unique = True)
name = db.Column(db.Text)
age = db.Column(db.DateTime)
download_count = db.Column(d
浏览 7提问于2014-02-16得票数 0
回答已采纳
3回答
我有数据，我们可以通过
df = pd.DataFrame({'a':[1,0,0], 'b':[0,1,0], 'c':[1,0,0], 'd':[2,3,4]})
和一个分类系列
category = pd.Series(['A', 'B', 'B', 'A'], ['a', 'b', 'c', 'd'])
我想得到df列的总和，这些列被分类为'A'，'B‘。也许是这样：
re
浏览 0提问于2018-04-19得票数 3
回答已采纳
我正试图以一种特殊的方式合并2个dfs。
输入：
import pandas as pd
import numpy as np
df = pd.DataFrame([('US', 'apples', 10), ('US', 'oranges', np.nan), ('US', 'grapes', np.nan)], columns = ['country', 'product', 'price'])
df_2 = pd.DataFrame([(
浏览 4提问于2021-12-21得票数 1
回答已采纳
1回答
带下划线/下划线的复合索引
、、、、
在处理数据库中的数据时，我们通常会得到一些内容数组，由于数据库的限制，这些数组可以通过复合索引(唯一地)进行索引。然而，似乎不适用于复合指数，或者说不是吗？
给定一个数组x，其中的对象具有属性a和b，我希望有一个字典字典，其中包含x的所有对象，分别由a和b索引。例如：
。
var x = [
{
a: 1,
b: 11,
c: 101
},
{
a: 2,
b: 11,
c: 101
},
{
a: 1,
b: 11,
浏览 8提问于2014-12-24得票数 0
1回答
我有一个数据集，每个文档都有一个标签，如下所示。
label text
pay "i will pay now"
finance "are you the finance guy?"
law "lawyers and law"
court "was at the court today"
finance report "bank reported annual share.."
文本文档可以使用
浏览 1提问于2017-06-19得票数 0
我用EF v1。我有以下表格：
CREATE TABLE category (
category_id int ,
category_name varchar(100) not null,
CONSTRAINT PRIMARY KEY (category_id)
)
CREATE TABLE categoryDetails (
detail_id int,
category_desc varchar(100) not null,
category_id int NOT NULL,
CONSTRAINT PRIMARY KEY (d
浏览 1提问于2009-12-18得票数 2
回答已采纳
2回答
一类分类的K-均值聚类
、、、
我想知道我是否可以使用k-均值聚类算法来进行一个类别的分类(例如一个类别的支持向量机)，这意味着我有两个类的数据，而我只标记了我用于训练的一个类？
浏览 0提问于2019-04-22得票数 1
1回答
我在Python Pandas中有一个分类变量的数据框架： import pandas as pd
cat_df = pd.DataFrame({'item':['bed', 'lamp', 'candle', 'chair', 'bed', 'candle', 'lamp'],
'location' :['home', 'home', 'home',
浏览 98提问于2020-10-12得票数 1
回答已采纳
我有一个数据帧，如下所示：
foo bar
0 1 foo
1 2 foo
2 3 foo
3 4 foo
4 5 bar
5 6 bar
从这个数据框中提取字典的最简单方法是什么，以便将'bar‘列的每个唯一值映射到'bar’列的标签所应用的'foo‘列中的值的列表？
示例所需结果：
{
'foo': [1,2,3,4],
'bar': [5,6]
}
浏览 0提问于2018-01-12得票数 0
我在我的网络爬虫中使用了一个ampq队列-每个爬虫实例都将从队列中的消息中获得一个url，然后将它找到的url添加到队列中。
由于将有多个爬虫实例，每个实例都可能找到相同的url并将其添加到队列中。
在已知url的情况下，是否有内置的方式告诉rabbitmq删除消息，或者如果带有url的消息已经存在，则检查队列？
浏览 4提问于2014-04-30得票数 2
回答已采纳
我有一个数据文件，其中条目可以根据特定分类特性的值进行分组。在这些组中，对于另一个二进制分类特性，应该只有一个为真的条目('1')；然而，有些组包含两个或零这样的条目。我希望从dataframe中删除这些异常组中的所有行/条目。
我试着做下面这样的事情(我意识到这是无可救药的错误-虽然我很绿.)
grouped = df.groupby('Categorical_Column')
df_new = df.drop(grouped[((grouped['BinaryFeature'] == 1).agg(np.sum)) != 1])
有什么想法吗
浏览 0提问于2017-04-25得票数 1
回答已采纳
我有一个熊猫的数据，如下(省略索引)，其中'y‘和’分类‘是列：
y Category
4 A1
3 A2
1 A2
6 A1
10 A2
8 A1
我需要做以下几件事。我需要遍历“类别”中的每个元素，并将该类别的所有'y‘值之和，省去它本身，并创建相应的列。因此，对于上面的数据，我将得
浏览 1提问于2017-05-22得票数 1
回答已采纳
我对数据库很陌生，现在在Management中创建SQLCE数据库。括号中有一个值，[UQ_Users_0000000000000028]，对我来说有点随机，所以想问一下是否有人能解释这个字段？
它只是简单地要求成为一个独特的领域吗？有什么理由让我把它改为什么SSMS脚本以外的其他东西吗？
干杯!
CREATE TABLE [Users] (
[UserID] int NOT NULL
.....
CREATE UNIQUE INDEX [UQ__Users__0000000000000028] ON [Users] ([UserID] ASC);
浏览 2提问于2010-12-22得票数 0
回答已采纳
我的数据库包含一个用户表。每个活动用户都有一个唯一的用户名。我希望能够停用用户并释放他们正在使用的用户名，但将它们保留在同一个表中。
有没有办法只有条件地执行唯一性约束？
浏览 0提问于2013-08-18得票数 25
1回答
我需要帮助，我有一个包含以下列的csv文件：
Date Tipology inputDates dayOfWeek
0 2018-01-01 200 2018-01-01 Monday
1 2018-01-02 93 2018-01-02 Tuesday
2 2018-01-03 382 2018-01-03 Wednesday
3 2018-01-04 147 2018-01-04 Thursday
4 2018-01-05 107 2018-01-05 Friday
... ... ... ... ...
360 2018-1
浏览 0提问于2020-11-19得票数 0
1回答
是否使用分类数据类型？
、、、
就我个人而言，我从未在熊猫中使用过分类数据类型，并将每一种数据都作为对象。我已经看到它有能力保存为拼花文件，保存数据等.
优点和缺点是什么？为什么我不把所有的对象类型都转换成分类呢？
浏览 0提问于2022-09-04得票数 0
1回答
从分类算法中，我得到了日期和标识符变量(PERMNO)的每个可用组合的分类。我想得到的是在下个月保持不变的分类百分比。也就是说，如果在某个月t，一个PERMNO得到了分类"1“，那么我想验证一下t+1月的PERMNO的分类是否相同。下面是我的数据的一个例子：
date PERMNO class
1986-01-31 10137 1
1986-02-28 10137 1
1986-03-31 10137 2
1986-04-30 10137 2
1986-05-31 10137 3
2019-07-31 93429 3
2019-08-
浏览 3提问于2021-05-13得票数 0
回答已采纳
2回答
我有一个数据框架如下所示：
classid grade haveTeacher
0 99 1
1 40 1
1 50 0
1 70 1
2 50 0
3 34 0
我想找出我能用熊猫写什么，找出“等级”在有老师的分类中的标准差(1表示有老师)。我知道我们必须用“分类”来进行分组，但是我想知道在.apply和lambda函数中会有什么东西来满足所有这些条件？
浏览 3提问于2022-03-08得票数 1
回答已采纳
1回答
我有以下数据：
ID Company Name State
200 Apple CA
300 Microsoft CA
300 Grant Thornton IL
200 Amazon WA
200 Apple CA
250 Dollar Tree VA
250 Dollar Tree VA
250 Dollar Tree VA
400 Target
浏览 0提问于2019-07-21得票数 1
回答已采纳
1回答
我已经学习了机器学习中的几种分类器-决策树，神经网络，支持向量机，贝叶斯分类器，K-NN等。
谁能帮助我理解什么时候我应该更喜欢其中一个分类器-例如-在哪种情况下(数据集的性质等)我应该更喜欢决策树而不是神经网络，或者哪种情况支持向量机可能比贝叶斯更好？
如果这里不是发布这个问题的好地方，很抱歉。
谢谢。
浏览 0提问于2013-07-12得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
