小编kev*_*vin的帖子

我在pandas dataframe中有以下数据:

    state        1st        2nd             3rd
0   California  $11,593,820 $109,264,246    $8,496,273
1   New York    $10,861,680 $45,336,041     $6,317,300
2   Florida     $7,942,848  $69,369,589     $4,697,244
3   Texas       $7,536,817  $61,830,712     $5,736,941

我想用三列(第1,第2,第3)执行一些简单的分析(例如,sum,groupby),但这三列的数据类型是object(或string).

所以我使用以下代码进行数据转换:

data = data.convert_objects(convert_numeric=True)

但是,由于美元符号,转换可能不起作用.有什么建议吗？

我有一个pandas数据帧:

apple   banana  carrot  diet coke
1         1       1         0
0         1       0         0
1         0       0         0
1         0       1         1
0         1       1         0
0         1       1         0

我想将此转换为以下内容:

[['apple', 'banana', 'carrot'],
 ['banana'],
 ['apple'],
 ['apple', 'carrot', 'diet coke'],
 ['banana', 'carrot'],
 ['banana', 'carrot']]

我该怎么做？非常感谢.

我有一个数据框：

    time            year    month
0   12/28/2013 0:17 2013    12
1   12/28/2013 0:20 2013    12
2   12/28/2013 0:26 2013    12
3   12/29/2013 0:20 2013    12
4   12/29/2013 0:26 2013    12
5   12/30/2013 0:31 2013    12
6   12/30/2013 0:31 2013    12
7   12/31/2013 0:17 2013    12
8   12/31/2013 0:20 2013    12
9   12/31/2013 0:26 2013    12
10  1/1/2014 4:30   2014    1
11  1/1/2014 4:34   2014    1
12  1/1/2014 4:37   2014    1
13  1/2/2014 4:30   2014    1
14  1/2/2014 5:30   2014    1
15 …

我的逗号分隔的txt文件包含以下格式的数据（当然，还有更多的列和行）。

1977,PA,2017-08-07,55,New Firms,327.0
1978,NY,2017-08-07,45,New Firms,$30,127
1978,NY,2017-08-07,$10,000,New Firms,1,000

正如您所看到的，一些数据包含千位分隔符，我读起来是这样的：

df=pd.read_csv("data.txt", thousands=r',')
df.head()

这给出了一条错误消息

ParserError: Error tokenizing data. C error: Expected 13 fields in line 102996, saw 14

我认为发生错误是因为某些数据包含千位分隔符。

有什么建议么？

我正在尝试使用本教程中的Seaborn factorplot 。

以下代码创建一个带有垂直线的条形图。这些竖线代表什么？

sns.factorplot("kind", "pulse", "diet", exercise, kind="bar")

我的数据采用以下格式:

data = [['@datumbox', '#machinelearning'],
 ['@datumbox', '#textanalysis'],
 ['@things_internet', '#iot'],
 ['@things_internet', '#h...'],
 ['@custmrcom', '#analytics123'],
 ['@custmrcom', '#strategy...123'],
 ['@custmrcom', '#1knowledgetweet'],
 ['@tamaradull', '#@bigbrother']]

我想检查hashtag是否包含任何非字母表.如果是,则删除相应的行.

所需的输出是:

data = [['@datumbox', '#machinelearning'],
 ['@datumbox', '#textanalysis'],
 ['@things_internet', '#iot']]

我想我需要使用re.sub(例如,re.compile('[^ a-zA-Z]')).这是我到目前为止:

newdata = []

for item in data:
    regex = re.compile('[^a-zA-Z]')
    if regex.match(item[1]):
        newdata.append([item[0], item[1]])

有什么建议吗？

我正在使用csv.reader和pandas导入一个csv文件。但是，来自同一文件的行数是不同的。

reviews = []
openfile = open("reviews.csv", 'rb')
r = csv.reader(openfile)
for i in r:
    reviews.append(i)
openfile.close()
print len(reviews)

结果是10,000（这是正确的值）。但是，熊猫返回不同的值。

df = pd.read_csv("reviews.csv", header=None)
df.info()

这将返回9,985

有谁知道为什么两种导入数据方法之间有区别？

我只是试过这个：

reviews_df = pd.DataFrame(reviews)
reviews_df.info()

这将返回10,000。

我的数据如下所示：

ABC_10_2007_06_14.txt
ABC_11_2008_07_14.txt

我想提取 2007 和 2008。其正则表达式是什么？我在下面尝试过，但它不起作用。

.*_.*_(.*)_.*_.*\..*

我的数据在数据框中。它看起来像这样。

我正在尝试将数据框转换为以下格式：

目前我正在使用以下乏味的 Python 代码进行此转换。

def f(row):
    if row['d1'] == 1:
        return 1
    if row['d1'] == 2:
        return ''
    if row['d1'] == 3:
        return ''
    if row['d1'] == 4:
        return ''
    else:
        return ''
    return np.nan

df['t1']=df.apply(f, axis=1)

任何帮助将不胜感激。

我有一个推文列表。它们看起来像这样：

data = [['trading $aa $BB stock market info'],
        ['$aa is $116 market is doing well $cc $ABC']]

我想提取股票行情：

['$aa', '$BB']
['$aa', '$cc', '$ABC']]

我试过这个：

for i in data:
    print re.findall(r'[$]\S*', str(i))

而且，输出还包含 $116：

['$aa', '$BB']
['$aa', '$116', '$cc', '$ABC']]

有什么建议？