我有12个包含环境数据的数据帧-每个数据帧中有9934行和38列的不同月份的数据。
为了使我的代码尽可能流畅,我想创建一个for循环,它循环遍历内存中的所有数据帧,并对它们执行一个任务,例如设置每个数据帧的索引。
我尝试通过以下方法创建内存中所有数据帧的列表:
alldfs = [var for var in dir() if isinstance(eval(var), pd.core.frame.DataFrame)]
然而,当我尝试的时候:
for df in alldfs:
df.set_index(['LABEL'], inplace = True)
我得到了
我正在尝试用字典中的随机值填充数据帧的多个列。在another post中,我了解到您可以指定一个列表,并使用该列表中的随机值填充列,如下所示: 数据帧: Col1 Col2 Col3
1 NaN NaN values
2 NaN NaN .
3 NaN NaN . my_list = ['a', 'b', 'c', 'd']
df['Col1'] = np.random.choice(my_list, len(df)) 然后,代码将像这样填充该列: Col1 Col2 C
我有一个名为dfe的大型数据帧,里面装满了科学信息。在我的第一篇专栏文章(“reaction”)中,有三个不同的字符串变量,比如a,b,c。我希望将这个数据帧拆分为三个数据帧dfa,dfb,dfc。我有一个名为react2的列表变量,变量为a,b,c。 下面是我解决这个问题的代码: for i in react2:
df{}.format(i) = dfe[dfe['reaction'] = i ] 然后我得到一个错误: df{}.format(i) = dfe[dfe['reaction'] = i ]
^
SyntaxError: inv
我想知道是否有人能帮上忙。我在字典中存储了许多数据帧。我只想访问这些数据帧中的每一个,并计算我有10个字母的列中的值。在第一个数据帧中,有5bs和5AS。例如,我期望计数的输出是a =5和b=5。但是,对于每个数据帧,这个计数将是不同的,因此我希望将这些计数的输出存储到另一个字典或单独的变量中。 字典称为Dict,所有数据帧中的列名称为letters。我试图通过访问字典中的键来实现这一点,但无法使其正常工作。我尝试过的部分如下所示。 import pandas as pd for key in Dict: Count=pd.value_counts(key['letter
我想在循环中创建数据帧,但使用关键字命名每个数据帧,以避免覆盖循环中的每个数据帧。
这是我的数据框的简化版本:
ID Field Value
1 A 1.1
2 A 1.2
3 A 2.4
4 B 1.7
5 B 4.3
6 C 2.2
因此,在这种情况下,我想以名为A、B和C的3个数据帧结束,所以这是我所疲惫的:
df2= df.groupby(['Field'])
for key, group in df2:
key = group.reset_index()
当然,每
我有一个panda数据帧,我需要对其执行多个操作,以便所有数据都与其中的一行相关。操作完成后,需要将dataframe保存为引用dataframe中该行的新dataframe。这需要对每一行重复,所以在最后,我将为数据帧中的每一行创建一个新的数据帧。
df
A B C D
1 10 20 30 60
2 20 10 10 20
3 0 0 10 10
(数据帧操作)
A B C D
1 0 0 0 0
2 10 -
我有证券的主要原始数据,我需要在其中创建基于某些筛选标准的多个证券投资组合。我习惯于在C++中工作,不太清楚如何用Python语言实现下面的代码。
我尝试使用嵌套的for循环创建不同的数据帧:
i -用于循环从2007年到2017年的年份(原始数据中的yr列)
j -用于遍历从1到4的区域(原始数据中的列区域)
for i in range (2007, 2018):
for j in range (1,5):
dfij_filter = (df['yr'] == i) & (df['Region'] == j)
我的npy文件包含120951个数组,加载方式如下:
import numpy as np
arm = np.load('full_numpy_bitmap_arm.npy')
我还有一个数据帧df,它有120951行和6列。我想将"arm“变量中的每个数组附加到数据帧中的每一行,作为数据帧末尾的一个新列。例如,arm在第一行最后一列,arm1在第二行最后一列,等等。我不确定连接函数在这里是否有效,因为arm不是一个数据帧。我想知道是否有其他方法可以做到这一点?谢谢
我有一个更复杂的代码,但我只是创建了这个简单的例子来解释我需要做什么。 for i in np.arange(0,360):
r = 2*i
print(r)
d = {'r': [r]}
df = pd.DataFrame(data=d) 如何将r保存到数据帧df中,而不是打印r?我试图复制数据帧文档中的一个示例,但我不知道如何正确地将r的每个迭代添加到数据帧中。
出于某种原因,我在定制查询中使用SqlAlchemy:
sql = "SELECT id, shooter_id, value FROM points WHERE match_id = %s ORDER BY value" % match_id
rows = self._session.execute(sql).fetchall()
for (shooter_id, value) in rows:
r[shooter_id] = value
通过这个查询,我得到了以下数据:
1 100 5.5
3 101 6.4
2 121 8.2
这不是什么大不了的事,它在我的开发PC上
我使用sklearn训练一个模型,对熊猫数据帧中的数据进行训练。请看下面的代码片段,它可以重现我训练的模型。 import pandas as pd
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LogisticRegression
dataset = load_iris()
X = pd.DataFrame(dataset['data'], columns=datase
我有一个有3列的数据帧,我想把它们加在一起并测试不同的权重。
到目前为止,我已经写了这段代码,但我觉得这可能不是最好的方法:
weights = [0.5,0.6,0.7,0.8,0.9,1.0]
for i in weights:
for j in weights:
for k in weights:
outname='outname'+str(i)+'TV'+str(j)+'BB'+str(k)+'TP'
df_media[['outname']]=df_media[['