获取pandas中的滞后数据
在pandas中，可以使用shift()函数来获取滞后数据。shift()函数可以将数据向前或向后移动指定的时间步长。
以下是完善且全面的答案：
滞后数据是指在时间序列数据中，将某个数据向后移动一定的时间步长。在pandas中，可以使用shift()函数来获取滞后数据。
shift()函数接受一个参数periods，用于指定数据移动的时间步长。当periods为正数时，数据向后移动；当periods为负数时，数据向前移动。
滞后数据在时间序列分析中具有重要的应用。它可以用于计算时间序列数据的差分，以便进行平稳性检验和建立ARIMA模型。此外，滞后数据还可以用于计算时间序列数据的相关性和回归分析。
以下是一个示例代码，演示如何使用shift()函数获取滞后数据：
import pandas as pd
# 创建一个示例数据集
data = pd.DataFrame({'A': [1, 2, 3, 4, 5]})
# 获取滞后数据
lag_data = data['A'].shift(1)
print(lag_data)输出结果为：
0 NaN
1 1.0
2 2.0
3 3.0
4 4.0
Name: A, dtype: float64在上述示例中，我们创建了一个包含5个数据的DataFrame对象，并使用shift()函数将数据向后移动了一个时间步长。由于第一个数据没有滞后数据，因此在结果中显示为NaN。
腾讯云提供了一系列与数据处理和分析相关的产品，例如云数据库 TencentDB、云原生数据库 TDSQL、云数据仓库 CDW、云数据湖 CDL 等。您可以通过访问腾讯云官方网站获取更多关于这些产品的详细信息和使用指南。
参考链接：
相关·内容
我想为我的数据创建滞后值。我使用for循环，因为我必须包含大约100个滞后值。但问题是，pandas方法'shift‘在创建一个滞后值后抛出错误。
例如，当我使用
data1['lag_1']=data1.shift(1)
它正在为一个滞后值生成列。
但是，当为下一个滞后值运行相同的代码时，它将抛出错误。
data1['lag_2']=data1.shift(2)
我想在for循环中执行此命令，因为我想创建100个滞后值列，但此移位似乎不起作用。
Traceback (most recent call last):
File "<ip
浏览 0提问于2019-06-26得票数 0
1回答
我得到了数据，需要估计列的滞后为1的自回归值"AR(1)“。 我得到的摘要如下所示： import pandas as pd
import pandas_datareader as pdr
from statsmodels.tsa.ar_model import AutoReg
mod = AutoReg(df["Column"], 1)
res = mod.fit()
print(res.summary()) 我对我得到的结果感到满意。 我的问题是:可以得到第一个AR系数的值作为简单的输出值吗？ 我得到了文档1，但不知道是否有一种方法对此有用，也没有任何其他想法。
浏览 17提问于2020-11-22得票数 0
我用Pandas中的函数autocorrelation_plot绘制了自相关线，并希望访问它生成的数据。
我基本上是想找出数据集中的滞后点。
如何才能做到这一点？
浏览 3提问于2020-07-16得票数 1
回答已采纳
我正在创建时间序列计量经济回归模型。数据存储在Pandas数据帧中。
如何使用Python进行滞后的时间序列计量分析？我以前使用过Eviews (这是一个独立的计量经济程序，即不是Python包)。要使用Eview估计OLS方程，您可以编写如下内容：
equation eq1.ls log(usales) c log(usales(-1)) log(price(-1)) tv_spend radio_spend
注意滞后的、依赖的和滞后的价格条件。使用Python似乎很难处理这些滞后变量，例如使用scikit或状态模型(除非我遗漏了什么)。
一旦我创建了一个模型，我想要执行测试并使用该模型进行
浏览 1提问于2016-10-03得票数 19
回答已采纳
我有一张这样的床单。我需要计算“当前高”的绝对值--特定“工具”和“符号”的“前一天收盘价”。
所以我使用pandas数据帧的.shift(1)函数创建了一个滞后关闭列，然后我减去了当前高和滞后关闭列，但也减去了两个不同的“仪器”和“符号”。但如果出现新的符号或仪表，我希望第一行为NULL，而不是减去当前的高电平和滞后的关闭列。
我该怎么办？
浏览 0提问于2020-06-15得票数 0
我正在使用季度数据和vars软件包开发一个VAR模型。要指定自回归变量，此包中的VAR函数为您提供了两种选择。您可以让R为您选择最好的lags，直到您使用‘lag.max’设置的最大值。在这种情况下，如果我有季度数据，我会将其设置为4。但是，我不清楚这个函数以这种方式选择最佳滞后的效果如何。似乎每次我这样做的时候，R似乎都选择了前3个季度的滞后。理论和实践表明，滞后4通常比其他更好，因为它具有季节性(季度数据)。现在，指定您的lags的另一种方法是使用"p“参数。所以，如果你声明p= 1，它会做第一个延迟。但是，如果你做p=4，它不会只做第四个滞后(我想要的那个)。相反，它完成了直到第
浏览 3提问于2015-07-24得票数 0
1回答
以下是@pltrdy在此威胁中提供的答复：
如何将计算级数上的滞后-N (default=1)自相关的pandas.Series.autocorr()转换为自协方差？
令人遗憾的是，pandas.Series.autocov()命令并没有在熊猫中实现。
浏览 7提问于2022-02-04得票数 0
回答已采纳
我使用的是python 3.7。 我正在使用ARIMA模型执行时间序列预测。我正在使用自相关图评估ARIMA数据的属性-特别是使用pandas.plotting的autocorrelation_plot。 我的数据大约有50,000条记录，这使得该图非常繁忙，很难找出任何具体的趋势。有没有一种方法可以限制x轴，使前几百个滞后更加清晰？ 我不能分享实际的情节，但我的代码如下： import pandas as pd
from pandas.plotting import autocorrelation_plot
#Import Data
time_series_2619 = pd.read_
浏览 42提问于2019-04-11得票数 8
回答已采纳
1回答
我有一个时间序列，比如。我只想在日期-时间是连续的情况下才计算滞后N，并在遇到丢失数据时跳过计算滞后。当前一个条目在R中的时间间隔超过N小时时，我不想计算延迟
t val
2005-01-17 17:30:00 14.3
2005-01-17 18:30:00 14.0
2005-01-17 19:30:00 14.3
2005-01-17 22:30:00 14.9
2005-01-17 23:30:00 14.2
2005-01-18 00:30:00
浏览 4提问于2017-08-23得票数 1
4回答
我一直试图找出最优雅的方法来查找列表中特定ID的最大索引。这个想法是，在我收到的数据中，有时我会得到一个重复的ID。我被告知要使用最近的ID值，因为这是列表中最新的ID值。
我用Pandas实现了这一点，这是很棒的，但我觉得必须有更好的方法，而不必使用Pandas。
import pandas as pd
list = ['A', 'A', 'B', 'C', 'C']
df = pd.DataFrame({'id': list})
df['idx'] = df.index
df
浏览 4提问于2020-03-23得票数 1
回答已采纳
2回答
我正在做基于6个月的月度回报的滞后累积回报。所以这是一个运行的总数。我知道在Excel中怎么做。如下图所示。我如何在Pandas中做到这一点？ ?
浏览 85提问于2021-11-02得票数 1
1回答
我在Pandas Dataframe里有一些数据。我想从这些数据中计算移动平均值，包括最多N行和最多Q行：
import pandas
my_data = pandas.DataFrame({
'values': [5.0, 4.0, 3.0, 5.0, 5.0, 6.0, 4.0, 6.0, 7.0, 4.0, 5.0, 5.0]
})
my_data
values
0 5.0
1 4.0
2 3.0
3 5.0
4 5.0
5 6.0
6 4.0
7 6.0
8 7
浏览 0提问于2018-07-24得票数 2
我怎样才能从这个情节中得到
import pandas as pd
import matplotlib.pyplot as plt
import statsmodels.api as sm
dta = sm.datasets.sunspots.load_pandas().data
dta.index = pd.Index(sm.tsa.datetools.dates_from_range('1700', '2008'))
del dta["YEAR"]
sm.graphics.tsa.plot_acf(dta.values.squeeze(),
浏览 11提问于2022-02-10得票数 0
回答已采纳
1回答
您好，亲爱的Stackoverflow用户，我刚刚开始使用Python，很乐意向您学习！
在石油和天然气行业中，有两组相同变量的数据。第一组数据是在表面上立即测量的，并且稍微偏离了实际值。第二组是滞后的(最多20分钟的滞后)，但由于它是在地下深层测量的，所以是准确的。
如何通过使用第一组数据来预测第二组数据？例如，我想在前200个数据点上训练模型，然后使用下200个数据点来预测滞后数据。然而，下面的代码给出了非常错误的值。可能的原因是什么？
import pandas as pd
from sklearn.ensemble import RandomForestRegressor
sf=pd
浏览 3提问于2018-09-28得票数 2
1回答
我试图将Pandas DataFrame列除以滞后值，这个值在本例中为1。
创建数据帧。这个例子只有一列，即使我的实际数据有几十列。
dTest = pd.DataFrame(data={'Open': [0.99355, 0.99398, 0.99534, 0.99419]})
当我尝试这个向量除法时(我是来自R的Python新手)：
dTest.ix[range(1,4),'Open'] / dTest.ix[range(0,3),'Open']
我得到了这个输出：
NaN 1 1 NaN
但我期待着：
1.000432791505
浏览 0提问于2016-12-01得票数 4
回答已采纳
1回答
我正在尝试执行AQR投资策略“时间序列动量”：。
在这个过程中，我遇到了一些混乱/麻烦。乍一看，潘达似乎具备计算关键指标“指数加权滞后平方回报率”的功能，以衡量金融工具的波动性。因此，这个公式(有一些背景)是：
我知道Pandas有一些功能可以将上面的公式(1)应用于时间序列。例如，未来合同的每日回报可以是：
[In]: returns
[Out]:
Date
1984-01-03 -0.007299
1984-01-04 0.003614
1984-01-05 -0.007318
1984-01-06 -0.004134
1984-01-09 0.009
浏览 1提问于2017-07-12得票数 1
假设我有一个pandas数据帧，它的列是a,b,c，索引是dates。 df = pd.DataFrame(columns = ["a","b","c"],index=range(5),data=np.random.rand(5,3)) 我有一个名为formula = (2*a+b)/c的字符串，这里的a，b，c指的是熊猫数据框的列。做这件事最有效的方法是什么？ 解决方案应该给出与下面相同的答案 (2*df["a"]+df["b"])/df["c"] 额外的问题是，如果公式包含滞后值formula
浏览 12提问于2020-03-25得票数 1
回答已采纳
当Kafka消费者从其分配的分区中读取数据时，消费者抓取器线程是否使用任何特定的逻辑来从分区中获取数据？例如，抓取器线程是否会做出任何逻辑/努力来均匀/统一地从分配的分区中读取数据？它是否会从最滞后的分区中获取更多的记录？或者这只是一个简单的类似循环的逻辑？
有没有详细的文档来说明消费者的使用逻辑？
谢谢。
浏览 4提问于2021-07-23得票数 0
我一直在研究如何在Kafka中计算消费者滞后，并想知道如何使用__consumer_offset消息来计算它。__consumer_offset显示了每个主题、分区和组的偏移量，但是如何获得主题大小来计算滞后？
我要做的是将这些数据存储到Elasticsearch中进行分析。我可以使用logtash拉取__consumer_offset数据(以及代理上的jmx数据)，但是现在需要获取主题大小来计算延迟。
浏览 0提问于2017-03-29得票数 0
代码
import numpy as np
from pandas.tools.plotting import autocorrelation_plot
import matplotlib.pyplot as plt
nobs = 10000
xx = np.random.normal(size=nobs)
autocorrelation_plot(xx)
plt.show()
绘制xx的自相关，但它绘制所有10000个滞后。如何只绘制前10个？
函数autocorrelation_plot的启动方式如下：
def autocorrelation_plot(series, ax=None, *
浏览 0提问于2016-07-21得票数 13
回答已采纳
2回答
我正在尝试在数据帧中创建代表多个滞后的新变量。我现在有一个时间序列“序列”，我想创建10个不同的变量，每个变量代表一个特定的滞后“序列”。因此，结果数据框将具有原始变量“序列”，加上10个名为(1，2，3，4，... 10)的变量，这些变量将表示该滞后的数量。我现在正在一个for循环上尝试这个：
for (i in 1:max.lag){
lag.death$"i" <- lag(tscampos, i)
}
但在阅读本文后，我怀疑我可能想要使用其中一个应用函数？有什么想法吗？
浏览 2提问于2014-11-19得票数 0
1回答
我试图更好地理解如何在这里读取自相关图来获取timeseries数据。
我运行了下面的代码，得到了如下图表所示的输出。
from pandas.plotting import autocorrelation_plot
autocorrelation_plot(df("y"))
这里y是因变量
📷
我是否应该得出以下结论
没有明显的自相关关系。
数据是随机的。
大多数相关关系(两个滞后除外)都在95%的置信限之内。
这个时刻表不值得预测。
如果我的理解是正确的请帮助我？
浏览 0提问于2021-02-26得票数 1
回答已采纳
我正在尝试使用groupby将更改应用于只返回(据我所知)的值的数据帧。所以我想要的是找到每个公司的最小日期值，这样我就可以将数字0应用于几列中的第一个值(在本例中为df2“研发费用滞后”和df2“资本支出滞后”)。下面是我到目前为止得到的一个groupby，它返回每个公司的最小日期值：
df2.groupby('Ticker Symbol').apply(lambda d: \
d[d['Data Date'] == d['Data Date'].min()])
浏览 7提问于2021-05-17得票数 0
回答已采纳
我有一个数据框df，我想创建列A的多个lags。我想，我应该能够使用.assign()方法和字典理解。然而，所有的滞后都是我下面的解决方案中最长的滞后，即使字典理解本身会产生正确的滞后。另外，有人能解释一下为什么我在字典理解之前需要**吗？
import numpy as np
import pandas as pd
df = pd.DataFrame({'A': np.arange(5)})
df.assign(**{'lag_' + str(i): lambda x: x['A'].shift(i) for i in range(1, 5
浏览 1提问于2021-04-14得票数 1
2回答
我在(Python) statsmodels库中的statsmodels方法遇到了一些问题。在R.
在我的示例中，ccf生成两个变量A和B之间的互相关函数.我有兴趣了解A在多大程度上是B的领先指标。
我使用的方法如下：
import pandas as pd
import numpy as np
import statsmodels.tsa.stattools as smt
我可以按以下方式模拟A和B：
np.random.seed(123)
test = pd.DataFrame(np.random.randint(0,25,size=(79, 2)), columns=list('
浏览 3提问于2020-08-19得票数 2
回答已采纳
1回答
我想得到pandas中某列的滞后值除以该列的对数。 有一种简单的方法可以做到这一点，方法是添加一个新列，如下所示： import pandas as pd
from numpy import log
df = pd.DataFrame({'reading': [2,3,4,5,6,7,8]})
df['lagged'] = df.reading.shift(1)
df['log'] = df.apply(lambda x: log(x['lagged']/ x['reading']), axis=1) 我想知
浏览 26提问于2020-03-21得票数 0
回答已采纳
1回答
我试图使用分组Map在PySpark中运行指数加权移动平均。但是，它不起作用：
def ExpMA(myData):
from pyspark.sql.functions import pandas_udf
from pyspark.sql.functions import PandasUDFType
from pyspark.sql import SQLContext
df = myData
group_col = 'Name'
sort_col = 'Date'
schema = df.sele
浏览 0提问于2018-04-30得票数 3
3回答
大表角6性能问题
、、、、
我有一个问题，角6性能问题。页面中有一个大表，它有100行，每一行有100列。然后，当我尝试使用诸如ng-select或ng-引导数据报警器等库时，即使这些库没有与表进行数据交换，这个页面也是一种滞后。这意味着即使ng-select只是嵌入在HTML中并且没有数据填充，ng选择下拉的打开和关闭都是滞后的，加载大约需要0.5秒。其他图书馆也是如此。当我将表减少到10行时，滞后问题得到了显著改善。这一切为什么要发生？
另一个观察是，当我使用HTML的本机标记(如select选项)时，它一点也不滞后，它会立即做出反应。在我的情况下，如何提高业绩？谢谢!代码基本上是这样的。
应用程序组件：
<n
浏览 1提问于2019-01-14得票数 1
我正在使用statsmodels.graphics.tsaplots模块使用时间序列数据绘制ACF或PACF图。我在下面添加了一个示例图： Example ACF Plot 有没有办法获得每个lag (即每个蓝色圆圈)的单个值，以及每个lag的蓝色区域的相应值？我需要蓝色面积值的原因是，有时面积可能会在更高的滞后上扩展。示例：ACF with growing blue area 我尝试过Retrieve XY data from matplotlib figure，但在这种情况下它对我没有帮助。 这样做的想法是自动检查每个滞后的重要性(即滞后是否在蓝色区域中) 如有任何帮助，我们将不胜感激:
浏览 15提问于2020-07-05得票数 2
回答已采纳
1回答
对于不平衡的面板数据，很难生成滞后变量，特别是滞后长度大于2。例如，我有一个数据集，它是一个不平衡的面板数据。任务的目标是生成一个滞后的2个月变量。
import pandas as pd
import numpy as np
a=[[1,'1990/1/1',1],
[1,'1990/2/1',2],
[1,'1990/3/1',3],
[2,'1989/12/1',3],
[2,'1990/1/1',3],
[2,'1990/2/1',4],
[2,'1990/3/1',5.
浏览 4提问于2020-07-12得票数 1
回答已采纳
我在运行游戏时遇到了奇怪的问题。
我的设备: iphone 6+ iOS8.4
单位: 5.1.1p4
Xcode: 6.4
在IOS8中，当我从包含画布和UI对象预置中实例化游戏对象时。它非常滞后，很慢。如果我删除了预置中的所有ui对象。它不再滞后。
在ios7中，这两种情况都不是滞后。
谁来帮帮我。
浏览 0提问于2015-07-22得票数 0
1回答
我正在使用pandas.DataFrame和pandas.concat从现有的pandas.DataFrame中创建一个由滞后而来的DataFrame.shift。有两个方面我不喜欢这个代码：
使用np.ones_like创建常量
建立一个滞后表的列表，并使用pandas.concat组合它们
"""
>>> df = pd.DataFrame({'GDP': [100, 110, 120, 130, 140, 150],
... 'INV': [0, 10, 20, 30, 40,
浏览 0提问于2018-01-23得票数 2
1回答
我使用的是pandas/python数据帧。我正在试着做一个滞后减法。
我目前正在使用：
newCol = df.col - df.col.shift()
这导致了第一个点中的NaN：
NaN
45
63
23
...
第一个问题:这是做这样的减法的最好方法吗？
第二:如果我想在这个新列中添加一列(相同的行数)。有没有办法让我把所有的NaN都设为0进行计算？
例如：
col_1 =
Nan
45
63
23
col_2 =
10
10
10
10
new_col =
10
55
73
33
而不是
NaN
55
73
33
谢谢。
浏览 0提问于2012-12-31得票数 11
回答已采纳
我正在尝试在Pandas中复制这个Stata循环：
forvalues i = 1/6 {
gen int codeL`i' = L`i'.location_level_2
gen int codeF`i' = F`i'.location_level_2
}
正如您所看到的，我想创建这些新列: codeL1代码L2...and，依此类推，直到我得到codeL6，基于变量location_level_2的滞后和前导
在Stata中这很容易，但由于我在Pandas才刚刚开始，我没有什么头绪。
这将是我的尝试：
for i in ran
浏览 8提问于2019-07-23得票数 4
回答已采纳
1回答
是否有办法为分配给同一消费群体的所有消费者找到整个卡夫卡的滞后？
我只能得到分配分区的滞后值。例如，假设只分配一个分区给使用者，下面的代码只会给该分区带来滞后。不是为了其他分区。
Set<TopicPartition> partitionSet = consumer.assignment();
Map<TopicPartition, Long> endOffsets = consumer.endOffsets(partitionSet);
for(TopicPartition tp : partitionSet) {
LOG.in
浏览 2提问于2020-01-30得票数 2
我正在尝试从Pandas DataFrame获得连续日期的数据块。我的df如下所示。
DateAnalyzed Val
1 2018-03-18 0.470253
2 2018-03-19 0.470253
3 2018-03-20 0.470253
4 2018-09-25 0.467729
5 2018-09-26 0.467729
6 2018-09-27 0.467729
在这个df中，我希望得到前3行，做一些处理，然后得到
浏览 1提问于2018-10-20得票数 14
回答已采纳
1回答
我试图根据两列预测数据帧中的值，但添加了前一行的小数残差。只有当当前行的存储与前一行的存储相同时，才需要执行此操作。 例如，我希望此数据集的第2行预测Forecast: 9* Lag: 0.2 +残差(来自第1行)：0.7 = 2.5 虽然第3行仍应计算预测:6*滞后: 1.2 = 7.2 (因为商店代码不再是100) 实现这一目标的最佳方法是什么？非常感谢。 import pandas as pd
import numpy as np
data = [{'store':100, 'Forecast':11, 'Lag':0.7}
浏览 39提问于2020-04-19得票数 2
回答已采纳
从带有表视图的视图控制器加载细节视图内容的效率更高？
应该将变量传递给didSelectRowAtIndexPath:方法中的detail视图，还是向服务器发出JSON调用并将数据加载到详细视图的字典中更好呢？
当我通过didSelectRowAtIndexPath:方法将数据从视图控制器传递到详细视图时，我注意到了一些滞后。
谢谢你的帮助
浏览 9提问于2013-08-05得票数 0
回答已采纳
我们有以下情况：
📷
从主服务器复制的一组从主服务器复制，独立的备用主站(即具有绑定日志的从属服务器)从同一个主服务器复制；由pt-slave-delay供电的滞后从服务器从同一个源复制。
我们还使用mha4mysql在需要的情况下将从一个主站切换到另一个主站。
如果不是因为落后的奴隶，一切都将是花哨的。
问题
比方说，滞后奴隶比主人慢了12个小时。将滞后从主从切换到备用从，使故障转移立即发生(即，CHANGE MASTER在滞后从上执行，时间与常规从站相同)，并且滞后从站持续滞后12小时。
发行
虽然我知道从服务器在其自己的中继日志中跟踪主二进制日志的位置，但我可以计算主站的位置到过去的12
浏览 0提问于2013-04-23得票数 3
回答已采纳
1回答
我和MLP一起工作已经有一段时间了。每当我假设某个特性的过去值可能对预测Y的未来值有用时，我就会在我的数据框架中创建一个新列，并使用特性(t-1)。对于进一步滞后的t-2，t-3.t，这一过程将被重复。
除了维度诅咒的明显问题外，我担心MLP不知道如何加权那些时间滞后的特性，这些特性现在在一个新的独立列中。
简单地说：
上述做法是否错误？
RNN是如何解决这个问题的？
浏览 0提问于2019-04-17得票数 2
我正在创建一个单一的页面应用程序，我需要专家的建议，在哪一个加载首先，视图或json数据通过rest？该应用程序是充分的SPA与每个视图中的数据不断刷新间隔。我的问题是，我希望尽可能快地将json数据与视图合并，而不会对用户造成任何滞后，并提供漂亮的用户体验。那么，我是在视图之前获取API数据，还是在数据之前获取视图？？
浏览 1提问于2017-10-15得票数 1
回答已采纳
我正在准备用于绘图的数据，但我目前遇到了在Pandas中对数据文件应用功能的问题。
这是我的数据
我需要做的是只从时间戳中得到日期。因此，在当前的dataframe中，预期结果应该如下所示：
timestamp action
0 2020-03-03 pagevisit
1 2020-03-03 pagevisit
2 2020-03-03 pagevisit
3 2020-03-03 pagevisit
4 2020-03-03 pagevisit
我
浏览 4提问于2020-03-27得票数 0
回答已采纳
我试图把我的时间序列数据分成火车和测试集。但是我在运行代码时得到了Key Error :1：
def prepare_data(data, lags=1):
X, y = [], []
for row in range(len(data) - lags - 1):
a = data[row:(row + lags), 0]
X.append(a)
y.append(data[row + lags, 0])
return np.array(X), np.array(y)
# prepare the data
l
浏览 0提问于2019-08-10得票数 0
在过去的几个星期里，我在我的一个网站上得到了越来越多的关于滞后的报道。在过去的一周里，我终于亲身经历了一次，但我还没能找到问题所在。
服务器负载从不超过16个核心中的0.5，内存使用量最高约为12-13%。问题不是数据库，因为滞后可能发生在静态资源上。大约十分之一的页面浏览量会出现502错误。大约每5页中就有1页需要5-20秒的时间来加载。当查看Chrome的网络标签时，它显示了几乎所有的时间都在“等待”。
昨晚我重新启动了服务器，几个小时似乎没问题，但不到12小时，它又回到了正常的滞后问题。有人知道我能在哪里找出问题吗？
浏览 0提问于2011-08-12得票数 2
回答已采纳
2回答
我正在构建一个windows窗体应用程序，并且正在处理一个庞大的数据库，因此我必须使用许多循环来处理我的表。我使用的是C#语言，问题是当程序处理数据时应用程序在处理过程中滞后，处理我的数据所需的时间是不可接受的。
浏览 1提问于2016-04-08得票数 2
回答已采纳
来自R，发现pandas数据帧的索引规则不容易使用。我有一个数据帧，我想通过它们的名字来获取第i行和一些列。我可以清楚地理解使用iloc或loc，如下所示。 df = pd.DataFrame(np.random.randn(8, 4),columns=['A', 'B', 'C', 'D'])
df.loc[:,['A', 'B']]
df.iloc[0:,0:2] 从概念上讲，我想要的是： df.loc[0:,['A', 'B']] 表示包含这些列的第一行。当然
浏览 269提问于2020-07-06得票数 0
回答已采纳
我有一个简单的应用程序，它使用本地核心数据存储中的数据。我在集合视图中显示图像&当我滚动时，它会滞后。所有镜像都来自本地包本身。有人能帮上忙吗？谢谢。
浏览 0提问于2014-10-13得票数 0
1回答
对无循环的数据应用滞后
、、、
让我们考虑以下数据集：
library(plm)
data("EmplUK", package = 'plm')
df <- EmplUK[1:6]
head(df)
> head(df)
firm year sector emp wage capital
1 1 1977 7 5.041 13.1516 0.5894
2 1 1978 7 5.600 12.3018 0.6318
3 1 1979 7 5.015 12.8395 0.6771
4 1 1980 7
浏览 2提问于2021-04-07得票数 0
首先我是第一次接触熊猫，但我已经爱上它了。我正在尝试实现与Oracle中的Lag函数等效的功能。
假设您有这样的DataFrame：
Date Group Data
2014-05-14 09:10:00 A 1
2014-05-14 09:20:00 A 2
2014-05-14 09:30:00 A 3
2014-05-14 09:40:00 A 4
2014-05-14 09:50:00 A 5
浏览 0提问于2014-05-15得票数 57
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
对象存储
实时音视频
即时通信 IM活动推荐
腾讯云开发者
