标签: data-analysis

我想计算两个 GPS 坐标（每个 tripId 的第一个和最后一个）之间的距离，以获得每次旅行的距离，我的数据框看起来像这样

   tripId   latitude    longitude   timestamp
0   1817603 53.155273   8.207176    2021-05-24 00:29:22
1   1817603 53.155271   8.206898    2021-05-24 00:29:38
2   1817603 53.155213   8.206314    2021-05-24 00:29:44
3   1817603 53.155135   8.206429    2021-05-24 00:29:50
4   1817603 53.154950   8.206565    2021-05-24 00:29:56
... ... ... ... ...
195 1817888 53.092805   8.212095    2021-05-24 08:27:54
196 1817888 53.093024   8.211756    2021-05-24 08:27:59
197 1817888 53.093305   8.211383    2021-05-24 08:28:05
198 1817888 53.093594   8.211026    2021-05-24 08:28:10
199 1817888 53.093853   8.210708    2021-05-24 08:28:15

我使用每个步骤都这样做了，s = pd.Series(haversine_vector(df, df.shift(),Unit.KILOMETERS), index=df.index, …

我正在为 R 中的一个项目创建一些简单的图表。使用 ggplot2 包时，我得到了意想不到的结果，因此我默认回到基本 R。在基本 R 中重新创建绘图时，我得到了正确的结果。现在我只是想知道为什么会产生不同的结果？

最初，这是使用 ggplot 的代码和结果（这是不正确的）：

ggplot(KBUF, aes(x = TEMP, y = HGHT)) +\ngeom_line(aes(color = "Temperature"), size = 1) +\ngeom_line(aes(x = DEWP, color = "Dew Point"), size = 1) +\nscale_color_manual(values = c("blue", "red")) +\nlabs(x = "Temperature (\xc2\xb0C)", y = "Height")\n

我在 R 基础上绘制的正确图

有以下代码：

plot(KNKX$TEMP, KNKX$HGHT, type = "l", col = "blue", xlab = "Temperature (\xc2\xb0C)", ylab = "Height")\n\nlines(KNKX$DEWP, KNKX$HGHT, col = "red")\n\nlegend("topright", legend = c("Temperature", "Dew Point"), …

我有一些我需要分析的数据.数据是多行的,每个块由换行符分隔.所以,它是这样的

Property 1: 1234
Property 2: 34546
Property 3: ACBGD

Property 1: 1234
Property 4: 4567

Property 1: just
Property 3: an
Property 5: simple
Property 6: example

我需要过滤掉那些存在某些特定属性的数据块.例如,只有具有属性4的那些,只有具有属性3和6的那些等等.我可能还需要根据这些属性的值进行选择,例如,只有具有属性3及其值的那些块是'一个'.

我将如何在Perl中执行此操作.我尝试用"\n"拆分它,但似乎没有正常工作.我错过了什么吗？

如何从原始事件的SQL表中计算渠道分析？

例如，如果渠道为事件1->事件2->事件3，则数据为：

user1, event1, time1
user1, event2, time2
user1, eventOther, time3
user2, event2, time4
user2, event1, time5
user3, event1, time6
user3, event2, time7
user4, event1, time8
user5, event1, time9
user6, event3, time10
user1, event3, time11
user1, event1, time12
user1, event3, time13

然后，该渠道将是：

event1: 5 (users 1, 2, 3, 4, 5)
event2: 2 (users 1 and 3)
event3: 1 (user 1 only)

类似于以下问题：用于渠道分析的SQL或OLAP模式设计

就像这样：

Query 1: select distinct user ids where event1
Query 2: select distinct user ids where event1 …

我有两个numpy数组container1以及container2where container1.shape = (900,4000)和container2.shape = (5000,4000)。使用合并它们会vstack导致MemoryError。搜索了此处发布的旧问题之后，我尝试使用slicing以下方法将它们合并：

mergedContainer = numpy.vstack((container1, container2[:1000]))
mergedContainer = numpy.vstack((mergedContainer, container[1000:2500]))
mergedContainer = numpy.vstack((mergedContainer, container[2500:3000]))

但是之后即使我这样做：

mergedContainer = numpy.vstack((mergedContainer, container[3000:3100]))

它导致MemoryError。

我正在使用Python 3.4.3 (32-Bit)并且想解决而无需转移到64-Bit。

我写了以下代码:

dataexc = data.select do |element| 
  element[:cz_name] || element[:tor_other_cz_name]
    false if [0] == “A” || [0] == “B” || [0] == “C”
    end
  end

这将返回NameError:undefined局部变量或main:Object的方法"A"

我试图排除所有以A,B或C开头的位置,这些位置存在于我的电子表格中的两列中.我已经将CSV文件放入"数据"中的数组中,现在我正在使用"dataexc"来尝试缩小条件以排除具有这些位置的行.任何人都可以帮我写这个有效吗？

我也试图弄清楚如何解决一个编码错误(？)导致我的一个CSV用irb中的错误数量的值打开.如果您认为您可以帮助我(任何和所有帮助都表示赞赏!),有更多关于我在这里做什么的信息.

更新:

如果其他人试图找到初学者可以理解的解决方案,-ABC代码的当前工作状态是:

cleaned_data = data.reject do |e|
  letters = ["A", "B", "C"]
  if e[:cz_name]
    letters.include?(e[:cz_name][0])
  end
end

cleaned_data = cleaned_data.reject do |e|
  letters = ["A", "B", "C"]
  if e[:tor_other_cz_name]
    letters.include?(e[:tor_other_cz_name][0])
  end
end

如果你要居高临下,请不要在这里发帖.

也就是说,如果有其他人想要帮助这个项目,我会非常感激,我会在Github上为你提供的.

我很难绘制熊猫时间序列的密度.

我有一个数据框,其中包含完美组织的时间戳,如下所示:

这是一个网络日志,我想显示时间戳的密度,它表示在特定时间段内有多少访问者.

我的解决方案atm是提取每个时间戳的年,月,周和日,并对它们进行分组.如下所示:

但我不认为这是处理时间的有效方式.我找不到任何关于此的好信息,更多的是关于在日期或某事上绘制计算值的信息.

那么,有人对如何绘制熊猫时间序列有任何建议吗？

非常感激!

我有一个文本没有空格的多行文件.

Thereisacat;whichisverycute.Thereisadog;whichisverycute.
Thereisacat;whichisverycute.Thereisadog;whichisverycute.

我想提取猫和可爱之间的字符串(第一次出现不是第二次),即输出

;whichisvery
;whichisvery

我接近得到它,但我最终得到了从猫到最后可爱的字符串从这里的命令.

sed -e 's/.*cat\(.*\)cute.*/\1/'

我正进入(状态

;whichisverycute.Thereisadog;whichisvery
;whichisverycute.Thereisadog;whichisvery

我如何从cat到第一次出现可爱的文字而不是最后？