小编Ant*_*tin的帖子

我通常将工作环境设置为英语，尽管它不是我的母语，因为我输入的大多数日期都是这样的。

但是，我有时会用另一种语言（通常是法语）以长格式输出日期。

library(lubridate) \ntoday()\n> today()\n[1] "2020-12-22"\n

也就是说，我想要一个函数：

DateInLongFormatInFrench(today)\n[1] "Mardi 22 d\xc3\xa9cembre"\n

这是法语“12 月 22 日星期二”的意思。我希望解决方案不要更改整个程序的语言设置，而只是更改此实例。

我发现了很多关于如何读取日期的帖子，但关于如何输出日期的帖子却很少

嗨,我想知道使用pandas在python中对列进行操作的最佳方法.

我有一个经典的数据库,我已经加载为数据帧,我经常要对每一行进行操作,如果标记为'A'的列中的值大于x,则将该值替换为'C'列减去列' d"

现在我做的事情就像

for i in len(df.index):
    if df.ix[i,'A'] > x :
        df.ix[i,'A'] = df.ix[i,'C'] - df.ix[i, 'D']

我想知道是否有一种更简单的方法来执行这些操作,更重要的是最有效的方法,因为我有大型数据库

我曾尝试过没有for i循环,就像在R或Stata中一样,我被建议使用"a.any"或"a.all",但我没有在这里或在pandas docs中找到任何东西.

谢谢你提前.

我的问题可能很愚蠢,但我还没有找到答案.我有一个变量var index by tens:var10,var20 ... var90.在我的代码的某些方面,我想放弃所有这些.

我可以

data want(drop=var10 var20 var30 var40 var50 var60 var70 var80 var90);
    set have;
run;

我想知道是否有一种更为浓缩的方式.我知道是否有变量索引10,11,12,13 ...我可以使用

(drop=var10-90)

但是因为我没有它们,如果我使用这个指令它仍然可以完成这项工作,但是有一个警告,这对我来说是不可接受的(我必须创建程序,这些程序将由几乎没有编程知识的人使用,所以他们会报告像这样的警告).

提前致谢

我的文件存在一些导入问题，在末尾创建一个空列，例如：

library(data.table)
library(tidyverse)
MWE <- data.table(var1=c(1,2),var2=c(3,4),var3=c(NA,NA))

现在我可以轻松删除它，因为我知道空列是最后一列：

MWE2 <- MWE[,c(length(MWE)):=NULL]

但我想知道如果我只想删除一个随机的空列而不知道它的编号，我该怎么做。在这里和数据表页面上的快速搜索给了我很多关于如何执行以下操作的示例：

• 删除数据表中的空行，通过na.omit
• 删除数据框中的空列，例如此处

但我没有找到删除数据表中空列的解决方案。有哪些选项以及哪个最快？

我试图导入字体为GGPLOT2图中所描述这里。

当我尝试使用此代码逐个执行此操作时：

font_import(pattern = "Arial.ttf")
y

我收到此错误：

canning ttf files in C:\windows\Fonts ...
Extracting .afm files from .ttf files...
Error in data.frame(fontfile = ttfiles, FontName = "", stringsAsFactors = FALSE) : 
  arguments imply differing number of rows: 0, 1

我已经检查过我确实有 Arial 字体：

我的问题是什么

我想用 ggplot2 绘制数据，x 轴以日期开始，y 轴以某个值开始。因此，我的数据类似于：

library(data.table)\nlibrary(zoo) # Pour du traitement de donn\xc3\xa9es, par exemple pour les dates\nlibrary(ggplot2) # Pour du traitement de donn\xc3\xa9es, par exemple pour les dates\n\nMWE <- data.table(id = seq(1, 2191), \n                        Periode = as.Date(c(as.Date("2010-01-01"):as.Date("2015-12-31"))),\n                        VValue = rnorm(2191, mean = 400, sd = 60))\n

我可以使用这些代码行：

ggplot(data = MWE, \n       aes(x = Periode, y = VValue , color)) +\n  geom_line(color = "Blue", size = 1) +\n  scale_x_date(limits = c(as.Date("2012-01-01"), NA))\n

要获得这张图片：

我希望我的绘图从我正在考虑的第一个日期开始，因此要删除 x 轴上“2012”左侧的空格。 …

我有两个向量，一个包含变量列表，一个包含日期，例如

Variables_Pays <- c("PIB", "ConsommationPrivee","ConsommationPubliques",
                    "FBCF","ProductionIndustrielle","Inflation","InflationSousJacente",
                    "PrixProductionIndustrielle","CoutHoraireTravail")
Annee_Pays <- c("2000","2001")

我想合并它们以获得一个向量，其中每个变量都由我的日期索引，这就是我想要的输出

> Colonnes_Pays_Principaux
 [1] "PIB_2020"                        "PIB_2021"                        "ConsommationPrivee_2020"        
 [4] "ConsommationPrivee_2021"         "ConsommationPubliques_2020"      "ConsommationPubliques_2021"     
 [7] "FBCF_2020"                       "FBCF_2021"                       "ProductionIndustrielle_2020"    
[10] "ProductionIndustrielle_2021"     "Inflation_2020"                  "Inflation_2021"                 
[13] "InflationSousJacente_2020"       "InflationSousJacente_2021"       "PrixProductionIndustrielle_2020"
[16] "PrixProductionIndustrielle_2021" "CoutHoraireTravail_2020"         "CoutHoraireTravail_2021" 

有没有比for我在下面尝试并成功的双循环更简单/更易读的方法？

Colonnes_Pays_Principaux <- vector()
for (Variable in (1:length(Variables_Pays))){
  for (Annee in (1:length(Annee_Pays))){
     Colonnes_Pays_Principaux=
       append(Colonnes_Pays_Principaux,
              paste(Variables_Pays[Variable],Annee_Pays[Annee],sep="_")
              )
  }
}

我有以下数据：

library(data.table)\nDT <- data.table(\n  Pays = c("Austria", "Belgium", "Brazil", "Bulgaria", \n           "Canada", "China", "Croatia", "Cyprus", "Czechia", "Denmark"), \n  `Nouveaux cas` = c("212.2", "136.0", "143.5", "258.7", "122.8", \n                      "0.0", "615.0", "299.0", "327.7", "314.5"), \n  `Nouveaux d\xc3\xa9c\xc3\xa8s` = c("53.8", "35.4", "14.9", "89.7", "14.2", "0.0", "79.0", "14.4", "47.3", "6.9"), \n  `\xc3\x89volution du nombre de cas` = c("-21.5%", "2.8%", "5.6%", "-5.2%", "4.1%", "-0.9%", "5.5%", "34.3%", "36.7%", "73.8%"), \n  `\xc3\x89volution du nombre de d\xc3\xa9c\xc3\xa8s` = c("-20.1%", "-20.4%", "10.5%", "-8.5%", "24.1%", "NaN%", "2.9%", "63.6%", "-5.4%", …