我想绘制一些数据的直方图.抱歉我无法附上样本直方图,因为我没有足够的声誉.希望你能理解我对我面临的问题的描述.我正在使用python pandas,我意识到任何NaN值都被pandas视为0.有没有什么方法可以用来在直方图中包含Nan值的计数？我的意思是x轴也应该具有NaN值.请帮忙......非常感谢.
我有以下熊猫DataFrame：
email cat class_price
0 email1@gmail.com cat1 1
1 email2@gmail.com cat2 2
2 email3@gmail.com cat2 4
3 email1@gmail.com cat2 4
4 email2@gmail.com cat2 1
5 email3@gmail.com cat1 3
6 email1@gmail.com cat1 2
7 email2@gmail.com cat2 1
8 email3@gmail.com cat2 4
9 email1@gmail.com cat2 2
10 email2@gmail.com cat3 1
11 email3@gmail.com cat1 1
我想通过电子邮件和class_price进行分组，对于每一行，我都希望采用class_price的最大值。
我正在使用：
test_df2 = test_df.groupby(['email','cat'])['class_price'].max()
输出为：
email cat
email1@gmail.com cat1 2
cat2 4
email2@gmail.com cat2 2
cat3 1
email3@gmail.com cat1 3
cat2 4
但是我怎么能得到一个结果，即使是分组的列也保留重复的值，以便可以将所有值写成一个正确的表：
email cat maxvalue
email1@gmail.com …我有一个csv文件,我读入了pandas数据帧.日期和时间列在"DateTime"列中.我想找到创建时间序列图的索引的最新和最近日期.大熊猫是否有能够返回最近和最近日期的功能？
编辑:
我已经尝试过使用min和max.他们给出了错误答案.
>>> f['Start Date']
Trip ID
4576 8/29/2013 14:13
4607 8/29/2013 14:42
4130 8/29/2013 10:16
4251 8/29/2013 11:29
4299 8/29/2013 12:02
4927 8/29/2013 18:54
4500 8/29/2013 13:25
4563 8/29/2013 14:02
4760 8/29/2013 17:01
4258 8/29/2013 11:33
4549 8/29/2013 13:52
4498 8/29/2013 13:23
4965 8/29/2013 19:32
4557 8/29/2013 13:57
4386 8/29/2013 12:31
...
198757 2/28/2014 20:40
198760 2/28/2014 20:59
198761 2/28/2014 20:59
198763 2/28/2014 21:32
198764 2/28/2014 21:32
198765 2/28/2014 21:34
198766 2/28/2014 21:41
198767 2/28/2014 21:50
198768 2/28/2014 …我是python的新手,我已经安装了Jython2.7.0
Java的
import org.python.util.PythonInterpreter;
import org.python.core.*;
public class Main {
public static void main(String[] args) {
PythonInterpreter interp = new PythonInterpreter();
interp.execfile("D:/Users/JY/Desktop/test/for_java_test.py");
interp.close();
}
}
蟒蛇
import pandas as pd
import ctypes
def main():
data = pd.read_csv('for_test.csv')
data_mean = data.a*2
data_mean.to_csv('catch_test.csv',index=False)
ctypes.windll.user32.MessageBoxW(0, "Done. Output: a * 2", "Output csv", 0)
if __name__ == '__main__':
main()
然后我收到了这个错误.
Exception in thread "main" Traceback (most recent call last):
File "D:\Users\JYJU\Desktop\test_java\for_java_test.py", line 1, in <module>
import pandas as pd
ImportError: No module named pandas …我有以下数据
Duration
0 00:00:00
1 00:00:00
2 00:00:57
3 00:03:16
4 00:00:00
并Duration作为对象存储。我想将其转换为具有秒数的整数。例如 00:03:16 被转换为 196。我尝试了各种类似的东西，astype(timedelta64[s])但没有成功。我尝试提取分钟和秒并尝试转换为整数，这也没有产生结果。我无法将提取的字符串转换为整数。
我用命令'pip3.4安装pandas'安装了pandas.
Successfully installed pandas python-dateutil pytz numpy six
Cleaning up...
root@hwy:~# python3.4
Python 3.4.2 (default, Oct 8 2014, 10:45:20)
[GCC 4.9.1] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> import pandas
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
ImportError: No module named 'pandas'
在成功安装pandas后,为什么不能在python3.4中导入pandas？
root@hwy:/home/debian8# pip3.4 show pandas
---
Name: pandas
Version: 0.17.1
Location: /usr/local/python3.4/lib/python3.4/site-packages
Requires: python-dateutil, pytz, numpy
root@hwy:/home/debian8# echo "import sys; print sys.path"
import sys; print sys.path
root@hwy:/home/debian8# python3.4
Python …我正在探索巨大的数据集,并希望创建一个名称相似的列.例如,包含"Charles"的任何名称都将显示为"ch",因为我希望稍后使用这些名称来执行某些组.我使用以下代码创建了一个函数:
def cont(Name):
for a in Name:
if a.str.contains('Charles'):
return('Ch')
然后使用这个应用:
titanic['namest']=titanic['Name'].apply(cont,axis=1)
错误: 'str' object has no attribute 'str'
我有一个pd.DataFrame看起来像这样的：
In [119]: df1
Out[119]:
DATES
0 2014-01-01
1 2014-01-24
2 2014-03-11
3 2014-04-09
4 2014-04-21
5 2014-05-02
6 2014-05-13
7 2014-06-11
8 2014-06-21
9 2014-07-22
10 2014-08-04
In [120]: df1.dtypes
Out[120]:
DATES datetime64[ns]
dtype: object
我想计算每个条目所属的季度。到目前为止我尝试过的是：
df1['QUARTER'] = df1['DATES'].map(lambda x: '2014Q1' if (x.year == 2014 & (x.month == 1 | x.month == 2 | x.month == 3)) else np.nan)
然后我得到：
In [124]: df1
Out[124]:
DATES QUARTER
0 2014-01-01 NaN
1 2014-01-24 NaN
2 2014-03-11 NaN
3 2014-04-09 …使用python的readlines()函数,我可以检索文件中每行的列表:
with open('dat.csv', 'r') as dat:
lines = dat.readlines()
我正在处理涉及非常大的文件的问题,并且此方法产生内存错误.有没有相当于Python readlines()功能的熊猫？该pd.read_csv()选项chunksize似乎在我的线上附加数字,这远非理想.
最小的例子:
In [1]: lines = []
In [2]: for df in pd.read_csv('s.csv', chunksize = 100):
...: lines.append(df)
In [3]: lines
Out[3]:
[ hello here is a line
0 here is another line
1 here is my last line]
In [4]: with open('s.csv', 'r') as dat:
...: lines = dat.readlines()
...:
In [5]: lines
Out[5]: ['hello here is a line\n', 'here is another …我是Erlang世界的新手,我正在尝试为Twitter Stream API编写客户端.我正在使用httpc:request来发出POST请求而且我经常收到401错误,我显然是在做我发送请求的方式有问题......我看起来像这样:
fetch_data() ->
Method = post,
URL = "https://stream.twitter.com/1.1/statuses/filter.json",
Headers = "Authorization: OAuth oauth_consumer_key=\"XXX\", oauth_nonce=\"XXX\", oauth_signature=\"XXX%3D\", oauth_signature_method=\"HMAC-SHA1\", oauth_timestamp=\"XXX\", oauth_token=\"XXX-XXXXX\", oauth_version=\"1.0\"",
ContentType = "application/json",
Body = "{\"track\":\"keyword\"}",
HTTPOptions = [],
Options = [],
R = httpc:request(Method, {URL, Headers, ContentType, Body}, HTTPOptions, Options),
R.
在这一点上,我确信签名没有问题,因为在尝试使用curl访问API时,相同的签名工作正常.我猜我的提出请求有一些问题.
我在请求中得到的响应如上所示:
{ok,{{"HTTP/1.1",401,"Unauthorized"},
[{"cache-control","must-revalidate,no-cache,no-store"},
{"connection","close"},
{"www-authenticate","Basic realm=\"Firehose\""},
{"content-length","1243"},
{"content-type","text/html"}],
"<html>\n<head>\n<meta http-equiv=\"Content-Type\" content=\"text/html; charset=utf-8\"/>\n<title>Error 401 Unauthorized</title>\n</head>\n<body>\n<h2>HTTP ERROR: 401</h2>\n<p>Problem accessing '/1.1/statuses/filter.json'. Reason:\n<pre> Unauthorized</pre>\n \n \n \n \n \n \n \n \n \n \n \n \n \n \n \n …我知道问题名称有点含糊不清.
我的目标是在我的数据框中根据2列+唯一值分配全局键列.
例如
CountryCode | Accident
AFG Car
AFG Bike
AFG Car
AFG Plane
USA Car
USA Bike
UK Car
设Car = 01,Bike = 02,Plane = 03
我的愿望全局密钥格式是[事故] [CountryCode] [UniqueValue]
唯一值是类似[Accident] [CountryCode]的计数
因此,如果Accident = Car和CountryCode = AFG并且它是第一次出现,则全局密钥将为01AFG01
所需的数据框如下所示:
CountryCode | Accident | GlobalKey
AFG Car 01AFG01
AFG Bike 02AFG01
AFG Car 01AFG02
AFG Plane 01AFG03
USA Car 01USA01
USA Bike 01USA02
UK Car 01UK01
我尝试运行for循环将Accident Number和CountryCode一起添加
例如:
globalKey = []
for x in range(0,6):
string = df.iloc[x, 1]
string2 = …