我有一个数据，它有三个级别的索引，我希望计算一个值偏离平均值有多大。但根据我的指数，对于不同的群体，我有不同的平均值。这就是我试过的：
In [4]: df['count'].groupby(level=[0,1,2]).apply(lambda x: x-np.mean(x))
但是，我得到了一个错误，我在下面插入了堆栈跟踪。我不知道为何会有这样的问题。
Exception Traceback (most recent call last)
<ipython-input-4-678992689ff2>
浏览 2提问于2016-03-17得票数 8
我尝试在下面的例子中为每个Actor在pandas df中求和两列(在下面的例子中是Seasons和Rating)。然后，我希望存储每个Actor的合计，并删除包含该Actor的任何其他行。在下面的例子中，保留或丢弃的'Name‘并不重要。 例如，这是输入DF： import pandas as pd
series = [('Stranger Things', 3, 5, 'Millie'),
('Game of Thrones', 8, 8, 'Emilia'),
('
浏览 19提问于2021-07-08得票数 1
回答已采纳
1回答
在使用熊猫的复杂链式方法中，其中一个步骤是将数据按列分组，然后计算一些指标。这是我想要实现的程序的一个简化例子。我在工作流程中有更多的任务，但一开始很不幸地失败了。
import pandas as pd
import numpy as np
data = pd.DataFrame({'Group':['A','A','A','B','B','B'],'first':[1,12,4,5,4,3],'last':[5,3,4,5,2,7,]})
da
浏览 12提问于2022-05-30得票数 0
回答已采纳
1回答
我正试着用方法把我的头绕在潘达的群里。我想编写一个函数，它执行一些聚合函数，然后返回一个Pandas DataFrame。下面是一个非常简化的使用sum()的例子。我知道有更容易的方法来做简单的和，在现实生活中，我的函数更复杂：
import pandas as pd
df = pd.DataFrame({'col1': ['A', 'A', 'B', 'B'], 'col2':[1.0, 2, 3, 4]})
In [3]: df
Out[3]:
col1 col2
0 A
浏览 0提问于2013-02-21得票数 18
我有一个从csv文件中提取的数据。我想迭代一个数据进程，其中只有一些列的数据是n行的平均值，而其余的列是每个迭代的第一行。
例如，从csv提取的数据由100行6列组成。我有一个变量n_AVE = 6，它告诉代码将数据平均为每6行。
rawDf = pd.read_csv(outputFilePath / 'Raw_data.csv', encoding='CP932')
OUT:
TIME A B C D E
0 2021/3/4 148 0 142
浏览 7提问于2022-03-11得票数 1
回答已采纳
我从pandas中的一个数据透视表创建了一个数据帧，表。
df = pd.DataFrame({'v1':[5,5,6,6,1,5], 'v2':['c','a','b','a','a','b']})
table=pd.pivot_table(df,index=["v2"],values=["v1"],aggfunc=max)
table.sort_values(by='v1', ascending=True)
1)我还
浏览 2提问于2016-12-29得票数 0
2回答
我有如下的样本数据
import pandas as pd
data_dict = {"Col_1" : ["AB", "AC", "AD", "BD", "BC", "BW", "KA", "KB", "KK", "KL"],
"Col_2" : [1,2,1,2,2,1,1,1,2,2,]}
data = pd.DataFrame(data_dict)
Col_1 C
浏览 4提问于2021-08-01得票数 2
回答已采纳
1回答
我有两只熊猫的资料。每一个都有一个维度和一个度量。我需要根据每个表中的维度来聚合度量，并根据维度加入它们。所以：
A
dim1 met1
a 100
a 200
b 50
B
dim2 met2
a 70
a 20
c 50
我对每个dataframe使用pandas.groupby()，但是当我通过执行.dtypes来检查groupby的结果时，我发现dim1 dim2不再存在于聚合输出中。
因此，现在，当我尝试基于dim1=dim2的连接时，我得到消息，dim1，dim2不存在。
我做错什么了
浏览 0提问于2018-06-22得票数 1
回答已采纳
import pandas as pd
df = pd.DataFrame( {'A': [1,1,2,3,4,5,5,6,7,7,7,8]} )
dummy = df["A"]
print(dummy)
0 1
1 1
2 2
3 3
4 4
5 5
6 5
7 6
8 7
9 7
10 7
11 8
Name: A, dtype: int64
res = df.groupby(dummy)
print(res.first())
Empty DataFrame
浏览 1提问于2021-01-21得票数 3
使用Python3和Anaconda，我在ipython上导入了pandas和os。我有一个非常大的csv文件。在对文件使用read_csv之后，我尝试对两列使用.groupby()，但它将数据类型从DataFrame更改为DataFrameGroupBy，并且我不能再对其运行数据框方法。 我想不出任何可以尝试的东西。我对熊猫的经验很少，通过codecademy获得的。我的代码似乎可以在那里工作。 import os
import pandas as pd
totals = pd.read_csv('filename')
band_gaps = totals.groupb
浏览 19提问于2019-06-21得票数 0
回答已采纳
我试图通过在3个列表中的一个列表中的索引来实现对tfidf向量( Pandas DataFrame中的行)的成群，并计算出这组数据行的平均值。情况：
list_A = [1,2,3]
list_B = [4,5]
list_C = [6]
pandas.DataFrame:
id word1 word2 word3
1 0.01 0.00 0.00
2 0.00 0.01 0.01
3 0.01 0.01 0.00
4 0.01 0.01 0.01
浏览 0提问于2018-12-03得票数 1
回答已采纳
1回答
我有一个带有分类栏和其他内容的数据文件：
>>> np.random.seed(0xFEE7)
>>> df = pd.DataFrame({'A': np.random.randint(10, size=10),
'B': np.random.randint(10, size=10),
'C': np.random.choice(['A', 'B'], size=10)})
>&
浏览 3提问于2021-04-21得票数 2
回答已采纳
我需要通过Spark分组一个大型数据集，我将其加载为两列的Pandas数据框架，然后重新转换为Pandas:基本上是做Pandas -> 'pyspark.sql.group.GroupedData‘-> Pandas。两列中的元素都是整数，分组后的数据需要以列表的形式存储，如下所示：
df.a df.b
1 3
2 5
3 8
1 2
3 1
2 6
...
spark_df = spark.createDataFrame(df
浏览 1提问于2017-08-03得票数 1
2回答
我想根据一个DataFrame检查从Pandas DataFrame中删除一个行子集。
初级DataFrame
>>> df
name day fruit foobar
0 Tim 1 Apple 0
1 Tim 1 Apple 1
2 Tim 2 Apple 2
3 Anna 1 Banana 3
4 Anna 1 Strawberry 4
5 Bob 1 Strawberry
浏览 5提问于2021-06-08得票数 2
回答已采纳
我有一个看起来像这样的DataFrame：
closingDate Time Last
0 1997-09-09 2018-12-13 00:00:00 1000
1 1997-09-09 2018-12-13 00:01:00 1002
2 1997-09-09 2018-12-13 00:02:00 1001
3 1997-09-09 2018-12-13 00:03:00 1005
我想创建一个DataFrame，其中大约有1440列被标记为时间戳，其中各自
浏览 7提问于2018-12-14得票数 5
回答已采纳
我有一个csv，我使用spark.read导入到databricks中。这个大文件包含每日级别的记录/事务。我将数据帧减少到5列，并保持500,000行不变。我正在尝试构建这个源文件的汇总表，它在一个月级别(聚合)表示这些记录/事务。 该脚本有一个filter/groupby/sum命令，该命令返回一行，将数据汇总为一个月的计数。查询返回的行将如下所示： +---------+---------+-------+-------------+
| Country|StockCode|YYYY-MM|sum(Quantity)|
+---------+---------+-------+---
浏览 12提问于2020-07-12得票数 0
3回答
这里是Python新手。我正在努力了解熊猫群是如何工作的，并应用这些方法。我找到了的简单示例，我将其粘贴在下面：
import pandas as pd
ipl_data = {'Team': ['Riders', 'Riders', 'Devils', 'Devils', 'Kings',
'kings', 'Kings', 'Kings', 'Riders', 'Royals', 'Royals
浏览 2提问于2019-09-01得票数 4
回答已采纳
1回答
熊猫群在群列中应用奇怪的行为
、、、、
我遇到了一些意想不到的Pandas群-应用结果，我不知道确切的原因。
下面，我必须得到数据，除了两个值的排序外，数据是相等的。df1产生的结果和我预期的一样，但是df2产生的结果完全不同。
import numpy as np
df1 = pd.DataFrame({'group_col': [0.0, np.nan, 0.0, 0.0], 'value_col': [2,2,2,2]})
df2 = pd.DataFrame({'group_col': [np.nan, 0.0, 0.0, 0.0], 'value_col':
浏览 3提问于2020-05-29得票数 4
回答已采纳
Pandas窗口函数，例如rolling，工作得很好。然而，从SQL我知道，窗口也可以是PARTITIONED BY某个组。
如何在pandas中获取分组窗口？答：
df.groupby(['group']).rolling('10s').mean()
失败，出现以下错误：
TypeError: Only valid with DatetimeIndex, TimedeltaIndex or PeriodIndex, but got an instance of 'MultiIndex'
如果使用df.rolling('10s',
浏览 4提问于2018-11-12得票数 0
1回答
我有一个熊猫群的目标：
routeGroups = tracking.groupby(tracking.columns[0])
然后我应用一个过滤器：
filterFunc = lambda x: np.any(np.isfinite(x['LAT']))
results = routeGroups.filter(filterFunc)
results是一个dataframe，但是在dataframe中缺少了用于创建tracking.columns[0]组的列。
这种行为似乎是inconsistent..sometimes，它是缺失的，有时它不是。我不知道这是怎么回事，也不知道
浏览 3提问于2016-10-31得票数 2
回答已采纳
2回答
我有一个Pandas DataFrame，其中包含一个date列。该列的元素类型为pandas.tslib.Timestamp。
我想按日期对数据进行分组，但不包括更细粒度的时间戳信息(即。按日期分组，其中所有Feb 23, 2011都分组)。我知道如何用SQL来表达这一点，但是对于Pandas来说，这是非常新的。
做了非常类似的事情，但是我不理解代码，它使用datetime对象。
在中，我甚至不知道如何从Pandas时间戳对象中检索日期。我可以转换为datetime对象，但这似乎非常迂回。
根据请求，df.head()的输出
date show network time
浏览 6提问于2013-11-21得票数 10
回答已采纳
我在使用python来理解这个for循环时遇到了一些麻烦。下面是一个单列数据框作为示例。我发现的大多数pandas示例都是一次处理整个数据帧。或者搜索一个单词并附加到前一行。 What I am trying to do: Forgive me trying to sound it out in a logical way.
1-Start at (0,Test) in the series.
2-Check element at (0,Test) for number at first position (0). If True, then hold and (store)
pre_
浏览 20提问于2020-09-02得票数 1
回答已采纳
1回答
我有一个很大的CSV文件，我们将使用它将资产导入我们的资产管理数据库。下面是CSV数据的一个较小的示例。
Serial number,Movement type,Posting date
2LMXK1,101,1/5/15 9:00
2LMXK1,102,1/5/15 9:30
2LMXK1,201,1/5/15 10:30
2LMXK1,202,1/5/15 13:00
2LMXK1,301,1/5/15 14:00
JEMLP3,101,1/6/15 9:00
JEMLP3,102,1/7/15 10:00
JEMLP3,201,1/7/15 13:30
JEMLP3,202,1/7/15
浏览 3提问于2016-02-17得票数 0
我想不出一个办法来完成我的任务。我有一个包含3列的数据帧：length, reachcode, and year。
我的示例dataframe：
year reachcode length
1988 1000 1.2
1988 1000 2.0
1990 1000 0.3
1993 1000 0.5
我试图找到一个年份内的“reachcode”重复项，然后对该年的“长度”求和。
之后，我想要比较不同年份的相同“reachcode”和“length”值的总和，并保留最小的值。
因此，在示例数据帧中，将1998年和reachcode =
浏览 2提问于2016-08-23得票数 1
1回答
我正在熟悉Pandas，我想通过几个简单的例子来学习逻辑。
假设我有以下熊猫DataFrame对象：
import pandas as pd
d = {'year':pd.Series([2014,2014,2014,2014], index=['a','b','c','d']),
'dico':pd.Series(['A','A','A','B'], index=['a','b','c
浏览 1提问于2015-02-11得票数 1
回答已采纳
3回答
我真的不明白为什么在为“课程”创建一个带有groupby的Dataframe时，我会得到一个入口位置输出？
代码：
import pandas as pd
technologies = ({
'Courses':["Spark","PySpark","Hadoop","Python","Pandas","Hadoop","Spark","Python","NA"],
'Fee' :[22000,250
浏览 22提问于2022-10-22得票数 0
回答已采纳
以DataFrame为例：
import pandas as pd
df = pd.DataFrame({'A':[1,2,1,2],
'B':[1,2,1,2],
'C':list('WXYZ'),
'D':list('abcd')})
df.set_index('A', inplace=True)
print(df)
# B C D
# A
浏览 0提问于2013-06-14得票数 3
回答已采纳
在下面的代码中，我喜欢只在代码为'b‘时才计算值的总百分比变化。预期答案为0.6 (即3/4 * 8/10)。
import pandas as pd
import numpy as np
x = pd.DataFrame({'Code':['a', 'a', 'a', 'b', 'b', 'a', 'a', 'a', 'b', 'b', 'b', 'a', 'a'
浏览 14提问于2020-07-10得票数 0
回答已采纳
我有一个带有3级MultiIndex的数据帧。它们是“类别”、“品牌”和“邮政编码”。Dataframe中有一个系列("Sales")。我想循环"Category“和"Brand”索引级别，并提供一个以"Zip Code“作为索引和"Sales”作为系列的Dataframe。
当我只有两个多索引级别时，我使用了groupby，例如
for name, group in df.groupby(level = 0):
我正在苦苦思索如何遍历下一个索引级别。
浏览 2提问于2016-10-15得票数 1
6回答
我不知道Pandas .aggregate函数和.apply函数之间的区别。
以下面的例子为例:我加载了一个数据集，执行了一个groupby，定义了一个简单的函数，或者用户.agg或者.apply。
正如您可能看到的，在使用.agg和.apply之后，函数中的using语句将产生相同的输出。结果，另一方面，是不同的。为什么会这样呢？
import pandas
import pandas as pd
iris = pd.read_csv('iris.csv')
by_species = iris.groupby('Species')
def f(x):
浏览 0提问于2014-02-17得票数 63
回答已采纳
2回答
正如你在下面看到的，我在我的数据框中有不同的‘ticker’，我想计算'lret‘列的标准偏差，但每个单独的ticker。目前，它将整个列作为一行进行计算。如何计算数据帧中每个报价器的标准差？任何帮助都将不胜感激。另外，请参见下面的函数，了解代码当前所做的工作。 数据帧输出 price date ticker lret std
0 104.000000 2016-07-01 A NaN 0.019456
1 104.878151 2016-07-05 A 0.008408 0.019456
2
浏览 7提问于2020-09-11得票数 0
考虑下面的Pandas数据帧。 import pandas as pd
df = pd.DataFrame({"val":[1, 2, 3, 10, 20, 30, 40],
"group_id":["ones", "ones", "ones", "tens", "tens", "tens", "tens"],
"condition":["sum&#
浏览 21提问于2021-01-24得票数 1
回答已采纳
希望你今天过得愉快！
我正在尝试将数据从python脚本导入到elasticsearch索引中。索引必须每隔一段时间(10分钟)接收一次数据，并在python脚本每次完成该过程时积累所述数据，当然，也不要忘记可以在kibana中绘制它的第一个数据。
我正在使用eland从elastic获取数据，执行一个进程(使用pandas)，并使用pandas_to_eland ()将信息发送到elastic。问题是索引忘记了新的传入数据。
下面是我正在做的事情：
while(True):
#Get data from elasticsearch
eland_data = ed.DataFrame
浏览 5提问于2021-07-16得票数 1
1回答
我在Pandas中有一个dataframe，它的列将对应于dict的键和值。 for values in ['A','B']:
MYDICT[values] = [] # Initialize to empty list
Name ID othercolumns
A 5 ...
B 6 ...
A 3 ... 我正在尝试找到一种简单的方法来将Name的每个值赋给ID，以便MYDICT[NAME].append(ID) 我目前的解决方案是迭代数据帧中的每一行 for index,
浏览 22提问于2020-10-18得票数 3
回答已采纳
这是我想要操作的一只熊猫DataFrame：
import pandas as pd
data = {"grouping": ["item1", "item1", "item1", "item2", "item2", "item2", "item2", ...],
"labels": ["A", "B", "C", "A", "B", "C"
浏览 4提问于2017-04-17得票数 3
回答已采纳
2回答
假设我有两个带有部分重复条目的数据文件：
source1=pandas.DataFrame({'key':['a','b'],'value':[1,2]})
# key value
#0 a 1
#1 b 2
source2=pandas.DataFrame({'key':['b','c'],'value':[3,0]})
# key value
#0 b 3
#1 c 0
为了获得具有以下条目的结果框架
浏览 0提问于2018-12-07得票数 3
回答已采纳
1回答
目前使用函数和日期时间戳计算滚动季度，下面使用的代码如下所示，执行代码需要一些时间，是否有任何方法更改或修改代码。
import pandas as pd
from pandas import ExcelWriter
from pandas import ExcelFile
import datetime
#***Date parsing using datetime.stptime function***
dateparse = lambda x: pd.datetime.strptime(x, '%m/%d/%Y')
df = pd.read_csv('D
浏览 1提问于2018-05-30得票数 1
回答已采纳
2回答
如何连接列
、、、
我已经下载了两个数据帧，我想将它们连接在一起(我不是程序员)。我使用的是Python 2.7。
我的代码是这样的：
from pandas_datareader.data import Options
import datetime
import pandas as pd
pd.set_option('display.width',280) # default is 80
aapl = Options('aapl', 'yahoo')
expiry = datetime.date(2017, 1, 1)
data_CALL = aapl.g
浏览 5提问于2017-11-30得票数 2
我有两列:一列是Pandas DateTime Dataframe (data["start"])，第二列是the tags, data["parallels"]。因此，我将创建一个字典，如下所示： a = []
pl = []
pl1 = []
for i in list(data.index):
a.append(data["parallels"][i].astype(str))
if a[i] != 'nan':
pl1.append(i)
pl.append(a[i])
浏览 16提问于2021-08-30得票数 0
回答已采纳
Pandas DataFrame包含名为"date"的列，该列包含非唯一的datetime值。我可以使用以下命令对此帧中的线条进行分组：
data.groupby(data['date'])
但是，这将按datetime值拆分数据。我想按“日期”列中存储的年份对这些数据进行分组。展示了如何在将时间戳用作索引的情况下按年分组，但在我的例子中并非如此。
如何实现此分组？
浏览 1提问于2012-07-09得票数 94
回答已采纳
我有一本价值字典：
{'Spanish Omlette': -0.20000000000000284,
'Crumbed Chicken Salad': -1.2999999999999972,
'Chocolate Bomb': 0.0,
'Seed Nut Muesli': -3.8999999999999915,
'Fruit': -1.2999999999999972,
'Frikerdels Salad': -1.2000000000000028,
'Seed Nut
浏览 10提问于2017-03-21得票数 2
回答已采纳
1回答
我正在聚合包含数据的数据，使用pd.Grouper对数据进行均匀采样，对数据进行分组，然后应用函数。在内部，一旦按时间定义了一个组(假设组为1秒)，则连续组将在随后的秒开始，没有重叠。
假设数据是以下表：
| time | col1 |
|:----:|:----:|
| 0.0s | 0.15 |
| 0.1s | 0.21 |
| 0.2s | 0.05 |
| ... | ... |
然后，我使用这个dataframe将数据聚合到groupby，并将石斑鱼聚合到1秒内：
grouped = df.groupby([pd.Grouper(level=df.time, freq='
浏览 7提问于2022-09-23得票数 0
在pandas中，我想要做的是：df.groupby('A').filter(lambda x: x.name > 0) - group by列A，然后过滤名称为non positive的组。但是，当GroupBy.filter返回DataFrame时，这会取消分组，从而丢失分组。我想按这个顺序来做，因为它应该对计算要求较低，因为filter后面跟着groupby会遍历DataFrame两次，不是吗(首先过滤，然后分组)？此外，克隆分组中的组(到字典或其他东西)将失去无缝返回到数据帧的功能(就像在.filter的示例中，您直接获取DataFrame)。
谢谢
示例：
浏览 3提问于2018-04-14得票数 12
我正在使用pandas==1.2.1
MRE：
x = pd.DataFrame({"date":["20201211", "20201211", "20201212", "20201222", "20201222","20201223",
"20201211", "20201211", "20201212", "20201222", "20201222"
浏览 0提问于2021-03-16得票数 4
回答已采纳
我对groupby()的理解是，所选的列充当对其余列进行分组的索引。
所以如果我有
import pandas as pd
df = pd.DataFrame([[0, 1, 3],[3, 1, 1],[3, 0, 0],[2, 3, 3],[2, 1, 0]], columns=list('xyz'))
gby = df.groupby('x')
df:
x y z
0 0 1 3
1 3 1 1
2 3 0 0
3 2 3 3
4 2 1 0
我的groupby结果的概念模型是
y z
x
0 1 3
2
浏览 0提问于2019-12-31得票数 1
2回答
( Q1)我想做一个groupby、SQL风格的聚合和重命名输出列。
示例数据集：
>>> df
ID Region count
0 100 Asia 2
1 101 Europe 3
2 102 US 1
3 103 Africa 5
4 100 Russia 5
5 101 Australia 7
6 102 US 8
7 104 Asia 10
8 105 Europe
浏览 1提问于2013-10-22得票数 75
回答已采纳
我有一本熊猫词典DataFrames。我想组合这个字典中的数据帧，以创建一个包含较少键的字典，但使用较大的数据帧作为值。
例如，在下面的示例中，我希望从d创建d_new。
d = {1: pd.DataFrame({'a':[1,2],'b':[3,4]}),
2: pd.DataFrame({'a':[3,4],'b':[5,6]}),
3: pd.DataFrame({'a':[10,11],'b':[12,13]}),
4: pd.DataFrame({
浏览 0提问于2021-10-14得票数 0
1回答
我有用户的数据，谁已经离开明星评级(1，2或3星)的项目在不同的类别，其中每个项目可能属于多个类别。在我当前的dataframe中，每一行表示一个评等，并且类别是一个热编码的，如下所示：
import numpy as np
import pandas as pd
df_old = pd.DataFrame({
'user': [1, 1, 2, 2, 2],
'rate': [3, 2, 1, 1, 2],
'cat1': [1, 0, 1, 1, 1],
'cat2': [0, 1, 0, 0
浏览 1提问于2017-03-13得票数 0
回答已采纳
如果我将csv文件读入熊猫的dataframe中，然后使用groupby (pd.groupby(column1，.))，为什么不能在新的分组对象上调用to_excel属性。
import pandas as pd
data = pd.read_csv("some file.csv")
data2 = data.groupby(['column1', 'column2'])
data2.to_excel("some file.xlsx") #spits out an error about series lacking the a
浏览 5提问于2015-12-29得票数 2
回答已采纳
1回答
这里是处理和保存csv文件的代码，以及原始输入csv文件和输出csv文件的代码，在Python2.7上使用pandas并想知道为什么在保存文件时在开头有一个额外的列？谢谢。
c_a,c_b,c_c,c_d
hello,python,pandas,0.0
hi,java,pandas,1.0
ho,c++,numpy,0.0
sample = pd.read_csv('123.csv', header=None, skiprows=1,
dtype={0:str, 1:str, 2:str, 3:float})
sample.columns = pd.Index(dat
浏览 3提问于2016-08-28得票数 5
回答已采纳
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
实时音视频
即时通信 IM
对象存储活动推荐
腾讯云开发者
