小编Luk*_*uke的帖子

我的 Jupyter Notebook 上不断弹出令人沮丧且持续的错误：

保存操作成功，但笔记本似乎无效。验证错误是：

Notebook validation failed: Additional properties are not allowed ('id' was unexpected):
{
 "metadata": {
  "trusted": true
 },
 "id": "breathing-seventh",
 "cell_type": "code",
 "source": "import pandas as pd\nimport numpy as np\nimport re\nimport datetime\n\nimport json\nimport os\nimport copy\n\nimport seaborn as sns\nimport matplotlib.pyplot as plt",
 "execution_count": 1,
 "outputs": []
}

它指向我的导入列，其中包含：

import pandas as pd
import numpy as np
import re
import datetime

import json
import os
import copy

import seaborn as sns
import matplotlib.pyplot as plt

我还在笔记本中使用 Plotly，我不确定该错误是否是由 Plotly …

我正在使用seaborn创建以下图表：

我想自定义由 生成的颜色hue，最好将颜色的顺序设置为蓝色，绿色，黄色，红色。我尝试将颜色或颜色列表传递给参数，color但是sns.barplot它会产生颜色渐变或错误。

请指教。

您可以使用以下代码来重现该图表：

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

df = pd.DataFrame({'Early': {'A': 686, 'B': 533, 'C': 833, 'D': 625, 'E': 820},
 'Long Overdue': {'A': 203, 'B': 237, 'C': 436, 'D': 458, 'E': 408},
 'On Time': {'A': 881, 'B': 903, 'C': 100, 'D': 53, 'E': 50},
 'Overdue': {'A': 412, 'B': 509, 'C': 813, 'D': 1046, 'E': 904}})

df_long = df.unstack().to_frame(name='value')
df_long = df_long.swaplevel()
df_long.reset_index(inplace=True)
df_long.columns = …

我的 DataFrame 中的某些列具有<NA>类型为 的实例pandas._libs.missing.NAType。

我想NaN用 using替换它们np.nan。

<NA>我见过一些问题，其中使用时可以替换的实例pd.read_csv()。

但由于我的 Pandas DataFrame 是从 Spark DataFrame 创建的，所以我不使用该pd.read_csv()函数。

请指教。

我正在使用以下代码片段：

from cape_privacy.pandas.transformations import Tokenizer

max_token_len = 5


@pandas_udf("string")

def Tokenize(column: pd.Series)-> pd.Series:
  tokenizer = Tokenizer(max_token_len)
  return tokenizer(column)


spark_df = spark_df.withColumn("name", Tokenize("name"))

由于 Pandas UDF 仅使用 Pandas 系列，我无法max_token_len在函数调用中传递参数Tokenize("name")。

因此我必须max_token_len在函数范围之外定义参数。

这个问题中提供的解决方法并没有真正的帮助。此问题是否还有其他可能的解决方法或替代方案？

请指教

我有2个csv文件，我的代码如下。

df = pd.read_csv("test.csv",
             sep='\t',skiprows=range(9),names=['A', 'B', 'C','D'])

df2 = pd.read_csv("LoadMatch_Limit.csv",skiprows=range(1),names=['X','Y'])

fig = px.line([df,df2], x=['A','X'] , y=['D','Y'])

我想要我的折线图，x 轴取自（“A”和“X”列），y 轴取自（“D”和“Y”列）。无论如何，我可以将这两张图表绘制为一张图吗？

假设我有两个数组，如下所示：

• x = [10, 30, 50, 99, 299]
• y = [3, 29, 30, 23, 55]

如何找到满足以下两个条件的索引？

• x > 80 & y > 30

因此，对于我的示例，我预计返回值为索引 5。我想格式将如下所示：

findfirst(x -> x > 80 \union y -> y> 30, x,y)

但这不起作用..

另外，在我的例子中，x 和 y 是数据框中的列，但进行索引搜索也不起作用。

我正在尝试在 macOS Big Sur 上将 Python 3.7 升级到 3.9。我还试图避免丢失在 Python 3.7 上安装的包并在 Python 3.9 上再次重新安装它们

我尝试使用

brew install python3
brew update && brew upgrade python

这产生了

Already up-to-date.
Warning: python3 3.9.1_7 already installed

但是当我运行它时python3 --version它会产生Python 3.7.0

这是别名的问题吗？有没有办法卸载Python 3.7并保留Python 3.9？

运行brew link python3产量

Linking /usr/local/Cellar/python@3.9/3.9.1_7... 
Error: Could not symlink bin/2to3
Target /usr/local/bin/2to3
already exists. You may want to remove it:
  rm '/usr/local/bin/2to3'

To force the link and overwrite all conflicting files:
  brew link --overwrite python@3.9

To …

这可能是一个非常基本的问题，因为我是 pyspark 的初学者。我已经阅读了一个 csv 文件并尝试在其上应用一些 pyspark 功能，例如过滤、拆分或替换。但我面临一个错误这是我的代码...

emp_data = spark\
            .read\
            .format('csv')\
            .option("inferSchema","true")\
            .option("header","true")\
            .load("/FileStore/tables/employee_earnings_report_2016-1.csv")

阅读文件后，我应用了过滤器..运行良好

import pyspark.sql.functions as f
df = emp_data.filter((f.col("POSTAL") == 2148) | (f.col("POSTAL") == 2125)).show(5)

+-----------------+-----------+-----+-------+----------+-------+------+-------------------------+--------------+------+------+
|             NAME|    REGULAR|RETRO|  OTHER|  OVERTIME|INJURED|DETAIL|QUINN/EDUCATION INCENTIVE|TOTAL EARNINGS|POSTAL|Gender|
+-----------------+-----------+-----+-------+----------+-------+------+-------------------------+--------------+------+------+
|    Abbasi,Sophia| $18,249.83|   NA|     NA|        NA|     NA|    NA|                       NA|    $18,249.83|  2148|     M|
|Abbruzzese,Angela|  $5,000.90|   NA|     NA|        NA|     NA|    NA|                       NA|     $5,000.90|  2125|     M|
| Abbruzzese,Donna|    $621.90|   NA|     NA|        NA|     NA|    NA|                       NA|       $621.90|  2125|     M|
|  Abdelrahim,Maha|  $1,181.60|   NA|     NA|        NA|     NA| …

我正在使用一个包含多个条件语句的函数，类似于下面所示的函数：

def apply_function(column, function):
  if function == 'function_1':
    return function_1(column)
  
  elif function == 'function_2':
    return function_2(column)
  
  elif function == 'function_3':
    return function_3(column)
  
  elif function == 'function_4':
    return function_4(column)
  
  elif function == 'function_5':
    return function_5(column)
...

有没有一种方法可以减少条件语句的数量并以更Pythonic的方式实现函数并增强性能？

请指教。

我正在使用一个代码片段，该代码片段迭代对象列表并过滤掉对象以执行特定任务。该for循环由多个嵌套if语句组成（我将来可能会添加更多）。

这是我的代码：

for obj in objects:
  if 'x' not in obj.name:
    if 'y' not in obj.name:
      if 'z' not in obj.name:
        if obj.length > 0:
          if obj.is_directory == True:
            
            # Do Something

这个片段有一个简洁或有效的解决方法吗？

请指教

我正在使用以下 DataFrame：

id  slotTime    EDD EDD-10M
0   1000000101068957    2021-05-12  2021-12-26  2021-02-26
1   1000000100849718    2021-03-20  2021-04-05  2020-06-05
2   1000000100849718    2021-03-20  2021-04-05  2020-06-05
3   1000000100849718    2021-03-20  2021-04-05  2020-06-05
4   1000000100849718    2021-03-20  2021-04-05  2020-06-05

我只想保留和slotTime之间的行：EDD-10MEDD

df['EDD-10M'] < df['slotTime'] < df['EDD']]

我尝试使用以下方法：

df.loc[df[df['slotTime'] < df['EDD']] & df[df['EDD-10M'] < df['slotTime']]]

但是它会产生以下错误

TypeError: ufunc 'bitwise_and' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

请指教。

要复制上述数据帧，请使用以下代码段：

import …

我有以下数据：

#1314515 22-09-2021

并且只需要提取数字而不是日期，如下所示：

1314515

已尝试以下正则表达式组合但不起作用：

[\s0-9]+
\s[0-9]+

请帮忙正确组合。