相关疑难解决方法(0)

您知道如何将DataFrame的索引或列作为NumPy数组或python列表获取吗？

我有一个这样的df:

import pandas
a=[['1/2/2014', 'a', '6', 'z1'], 
   ['1/2/2014', 'a', '3', 'z1'], 
   ['1/3/2014', 'c', '1', 'x3'],
   ]
df = pandas.DataFrame.from_records(a[1:],columns=a[0])

我想要展平df所以它是一个连续的列表,如下所示:

['1/2/2014', 'a', '6', 'z1', '1/2/2014', 'a', '3', 'z1','1/3/2014', 'c', '1', 'x3']

我可以循环遍历行和extend列表,但这是一种更简单的方法吗？

我有一个邻接矩阵存储为pandas.DataFrame:

node_names = ['A', 'B', 'C']
a = pd.DataFrame([[1,2,3],[3,1,1],[4,0,2]],
    index=node_names, columns=node_names)
a_numpy = a.as_matrix()

我想igraph.Graph从邻接矩阵pandas或numpy邻接矩阵创建一个.在理想的世界中,节点将按预期命名.

这可能吗？该教程似乎对此问题保持沉默.

假设我有一个如下所示的重组:

import numpy as np

# example data from @unutbu's answer
recs = [('Bill', '31', 260.0), ('Fred', 15, '145.0')]
r = np.rec.fromrecords(recs, formats = 'S30,i2,f4', names = 'name, age, weight')

print(r)
# [('Bill', 31, 260.0) ('Fred', 15, 145.0)]

假设我想将某些列转换为浮点数.我该怎么做呢？我应该换成一个ndarray,然后再回到recarray吗？

有一个可以使用的scipy.signal.argrelextrema功能ndarray,但是当我尝试使用它时pandas.Series,它会返回一个错误.与熊猫一起使用它的正确方法是什么？

import numpy as np
import pandas as pd
from scipy.signal import argrelextrema
s = pd.Series(randn(10), range(10))
s
argrelextrema(s, np.greater)
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-13-f3812e58bbe4> in <module>()
      4 s = pd.Series(randn(10), range(10))
      5 s
----> 6 argrelextrema(s, np.greater)

/usr/lib/python2.7/dist-packages/scipy/signal/_peak_finding.pyc in argrelextrema(data, comparator, axis, order, mode)
    222     """
    223     results = _boolrelextrema(data, comparator,
--> 224                               axis, order, mode)
    225     return np.where(results)
    226 

/usr/lib/python2.7/dist-packages/scipy/signal/_peak_finding.pyc in _boolrelextrema(data, comparator, axis, order, mode)
     60 
     61     results …

我需要将大型数据帧转换为numpy数组.仅保留数值和类型.我知道有很好的记录方法可以这样做.

那么,哪一个更喜欢？

df.values
df._as_matrix()
pd.to_numeric(df)
... others ...

决策因素:

• 效率

• 安全地操作nan,np.nans和其他可能的意外值

• 数值稳定

我有以下代码

train_X, test_X, train_y, test_y = train_test_split(X.as_matrix(), y.as_matrix(), test_size=0.25)

这里X是一个DataFrame，y是一个序列。当调用上面的函数时，我得到以下警告：

/opt/conda/lib/python3.6/site-packages/ipykernel_launcher.py:1：FutureWarning：方法.as_matrix将在以后的版本中删除。请改用.values。

“”“启动IPython内核的入口点。

然后，我尝试.values按照警告中的说明进行更改：

train_X, test_X, train_y, test_y = train_test_split(X.values(), y.values(), test_size=0.25)

但是我收到以下错误：

（）中的TypeError追溯（最近一次通话最后一次）-> 1 train_X，test_X，train_y，test_y = train_test_split（X.values（），y.values（），test_size = 0.25）

TypeError：“ numpy.ndarray”对象不可调用

我该如何解决？

我有一个大小为 (140000,22) 维度的数据框。

我必须创建相同维度的二维数组才能将其传递到卷积神经网络中。

你能指导如何在这个数据帧上进行转换吗

import pandas as pd

我有一个数据框：

df=pd.DataFrame({'cmplxnumbers':[1+1j,2-2j,3*(1+1j)]})

我需要获取列中数字的虚部。

我这样做：

df.cmplxnumbers.apply(lambda number: number.imag)

结果我得到：

0    1.0
1   -2.0
2    3.0
Name: cmplxnumbers, dtype: float64

正如预期的那样。

有没有更快、更直接的方法，也许不涉及lambda函数？

我想将数据集类别的权重矩阵传递给神经网络。

from sklearn.utils import class_weight
class_weights = class_weight.compute_class_weight('balanced',
                                                 np.unique(y_train),
                                                 y_train)

但是我收到以下错误：

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-93-9452aecf4030> in <module>
      2 class_weights = class_weight.compute_class_weight('balanced',
      3                                                  np.unique(y_train),
----> 4                                                  y_train)

~\AppData\Roaming\Python\Python36\site-packages\sklearn\utils\class_weight.py in compute_class_weight(class_weight, classes, y)
     39 
     40     if set(y) - set(classes):
---> 41         raise ValueError("classes should include all valid labels that can "
     42                          "be in y")
     43     if class_weight is None or len(class_weight) == 0:

ValueError: classes should include all valid labels that can be in y

我不明白，这是我的y_train …