小编jac*_*cob的帖子

与groupby的酒吧情节

我的分类变量case_satus具有四个唯一值.我有2014年到2016年的数据.我想绘制case_status按年分组的分布.我尝试使用:

df.groupby('year').case_status.value_counts().plot.barh()
Run Code Online (Sandbox Code Playgroud)

我得到以下情节:

产量

我想拥有的是一个更好的代表.例如,我每年都有一种颜色,而所有"DENIED"都会彼此相邻.

我认为它可以实现,因为groupby对象是一个多索引,但我不太了解它创建我想要的情节.


解决方案是:

df.groupby('year').case_status.value_counts().unstack(0).plot.barh()
Run Code Online (Sandbox Code Playgroud)

并导致

在此输入图像描述

matplotlib pandas seaborn

10
推荐指数
1
解决办法
1万
查看次数

Numpy反向keras to_categorical

在keras中,我曾经使用to_categorical二进制nx1向量y转换为nx2矩阵,如果y = 1,则第一列为1,第二列为y = 0。如何使用numpy撤销此操作?

numpy keras

7
推荐指数
3
解决办法
6364
查看次数

正确地将XLSX转换为CSV

这是一个非常类似于此处描述的问题.但是我需要横向进行,我的问题出现在日期.我在Mac上.

是我的.xlsx文档的图片.我有很多条目,比如前三行中的条目,我想将它们转换为CSV作为最后三行.但我的问题是:

  • 2012-08-16(A1)成为41137(A4)
  • 我的会议从08:00到09:00是01:00小时(见H1和I1和J1)变得一团糟 - ,0,333333333333333,0,375,
  • 我从09:00到10:00的会话与上面的问题有同样的问题,只是凌乱的数字是不同的.

我的最终目标是将我的.xlsx时间表导出为toggl

PS可能导致真实问题的小问题:

  • A1 2012-08-16成为16-aug-12
  • J1 01:00:00变成01:00以及08:00:00变成08:00和09:00变成08:00:00依此类推.

csv file-conversion xlsx

6
推荐指数
1
解决办法
4万
查看次数

将列表展平为 R 数据框

我有一个嵌套列表,我想使用 R 将其转换为数据框,类似于此问题flatten a dataframe

这是我的列表的结构

> str(rf_curves$GBP)
List of 27
 $ NA                  :'data.frame':   0 obs. of  2 variables:
  ..$ date   :Class 'Date'  int(0) 
  ..$ px_last: num(0) 
 $ BP0012M       Index :'data.frame':   5 obs. of  2 variables:
  ..$ date   : Date[1:5], format: "2018-05-21" "2018-05-22" ...
  ..$ px_last: num [1:5] 0.929 0.931 0.918 0.918 0.901
 $ BP0003M       Index :'data.frame':   5 obs. of  2 variables:
  ..$ date   : Date[1:5], format: "2018-05-21" "2018-05-22" ...
  ..$ px_last: num [1:5] 0.623 0.623 0.619 0.614 0.611 …
Run Code Online (Sandbox Code Playgroud)

r rblpapi

2
推荐指数
1
解决办法
389
查看次数

更改打开文本文件的名称

我目前正在做这个解决方法

  1. 文件>打开包含文件夹
  2. 点击F2
  3. 重命名它
  4. 用记事本++重新加载它

我想让这个过程更快.有没有快速重命名目前在记事本++窗口中的文件的方法?

如果我执行另存为,那么旧文档(旧名称)仍然存在.我不希望旧文件闲逛.

notepad++

1
推荐指数
1
解决办法
5496
查看次数

标签 统计

csv ×1

file-conversion ×1

keras ×1

matplotlib ×1

notepad++ ×1

numpy ×1

pandas ×1

r ×1

rblpapi ×1

seaborn ×1

xlsx ×1