阅读完:http://pandas.pydata.org/pandas-docs/version/0.13.1/generated/pandas.DataFrame.sort.html
我似乎还无法弄清楚如何通过自定义列表对列进行排序.显然,默认排序是按字母顺序排列的.我举个例子.这是我的(非常删节)数据框:
Player Year Age Tm G
2967 Cedric Hunter 1991 27 CHH 6
5335 Maurice Baker 2004 25 VAN 7
13950 Ratko Varda 2001 22 TOT 60
6141 Ryan Bowen 2009 34 OKC 52
6169 Adrian Caldwell 1997 31 DAL 81
我希望能够按Player,Year和Tm进行排序.按正常顺序,播放器和年份的默认排序对我来说没问题.但是,我不希望团队按字母顺序排序b/c我希望TOT始终位于顶部.
这是我创建的列表:
sorter = ['TOT', 'ATL', 'BOS', 'BRK', 'CHA', 'CHH', 'CHI', 'CLE', 'DAL', 'DEN',
'DET', 'GSW', 'HOU', 'IND', 'LAC', 'LAL', 'MEM', 'MIA', 'MIL',
'MIN', 'NJN', 'NOH', 'NOK', 'NOP', 'NYK', 'OKC', 'ORL', 'PHI',
'PHO', 'POR', 'SAC', …不太清楚为什么我无法解决这个问题.我正在寻找使用索引号切片Pandas数据帧.我有一个列表/核心索引,其中包含我不需要的索引号,如下所示
pandas.core.index.Int64Index
Int64Index([2340, 4840, 3163, 1597, 491 , 5010, 911 , 3085, 5486, 5475, 1417, 2663, 4204, 156 , 5058, 1990, 3200, 1218, 3280, 793 , 824 , 3625, 1726, 1971, 2845, 4668, 2973, 3039, 376 , 4394, 3749, 1610, 3892, 2527, 324 , 5245, 696 , 1239, 4601, 3219, 5138, 4832, 4762, 1256, 4437, 2475, 3732, 4063, 1193], dtype=int64)
如何创建除这些索引号之外的新数据帧.我试过了
df.iloc[combined_index]
显然这只是显示那些索引号的行(与我想要的相反).任何帮助将不胜感激
我在python数据帧中应用正则表达式函数列时遇到问题.这是我的数据帧的负责人:
Name Season School G MP FGA 3P 3PA 3P%
74 Joe Dumars 1982-83 McNeese State 29 NaN 487 5 8 0.625
84 Sam Vincent 1982-83 Michigan State 30 1066 401 5 11 0.455
176 Gerald Wilkins 1982-83 Chattanooga 30 820 350 0 2 0.000
177 Gerald Wilkins 1983-84 Chattanooga 23 737 297 3 10 0.300
243 Delaney Rudd 1982-83 Wake Forest 32 1004 324 13 29 0.448
我认为我已经很好地掌握了将函数应用于Dataframes,所以也许我的正则表达式技能缺乏.
这是我放在一起的东西:
import re
def split_it(year):
return re.findall('(\d\d\d\d)', year)
df['Season2'] = df['Season'].apply(split_it(x)) …我有一个如下所示的数据框:
Store Temperature Unemployment Sum_Sales
1 1 42.31 8.106 1643691
2 1 38.51 8.106 1641957
3 1 39.93 8.106 1611968
4 1 46.63 8.106 1409728
5 1 46.50 8.106 1554807
6 1 57.79 8.106 1439542
我在R中无法弄清楚的是如何分组和申请.因此,对于每个商店(分组),我想标准化/缩放两列(sum_sales和temperature).
我想要的输出如下:
Store Temperature Unemployment Sum_Sales
1 1 1.000 8.106 1.00000
2 1 0.000 8.106 0.94533
3 1 0.374 8.106 0.00000
4 2 0.012 8.106 0.00000
5 2 0.000 8.106 1.00000
6 2 1.000 8.106 0.20550
这是我创建的规范化功能:
normalit<-function(m){
(m - min(m))/(max(m)-min(m))
}
我正在使用dply包,似乎无法弄清楚如何分组并将该函数应用于列.我试过这样的事情并得到一个错误:
df2 <- …使用dplyr时,我无法更改数据帧的最后一个值.我想按用户和标记进行分组,并将时间更改为0,以获取组中的最后一个值/行.
user_id tag Time
1 268096674 1 3
2 268096674 1 10
3 268096674 1 1
4 268096674 1 0
5 268096674 1 9999
6 268096674 2 0
7 268096674 2 9
8 268096674 2 500
9 268096674 3 0
10 268096674 3 1
...
期望的输出:
user_id tag Time
1 268096674 1 3
2 268096674 1 10
3 268096674 1 1
4 268096674 1 0
5 268096674 1 0
6 268096674 2 0
7 268096674 2 9
8 268096674 2 …我无法弄清楚如何编写函数来完成分组百分位数.1985年至2012年,我拥有数据框架中的所有团队; 前10个显示如下:它目前按年份排序.我想给LgRnk分组的百分位数Year.因此,例如,1985年的23个LgRank(最差的球队)将是100个百分点,而1985年的1个LgRank(最佳球队)将是1个百分点.2010年的30 LgRank(最差的团队)将是百分之百等.它需要按年份不同数量的b/c进行分组LgRnk.
Team WLPer Year LgRnk W L
19 Sacramento Kings 0.378 1985 18 31 51
0 Atlanta Hawks 0.415 1985 17 34 48
17 Phoenix Suns 0.439 1985 16 36 46
4 Cleveland Cavaliers 0.439 1985 15 36 46
13 Milwaukee Bucks 0.720 1985 3 59 23
3 Chicago Bulls 0.463 1985 14 38 44
16 Philadelphia 76ers 0.707 1985 4 58 24
22 Washington Wizards 0.488 1985 13 40 42
20 …我有一个包含高度信息的 pandas 数据框，但我似乎无法弄清楚如何将有些非结构化信息转换为整数。
我认为解决这个问题的最佳方法是使用正则表达式，但我遇到的主要问题是，当我尝试简化问题以使用正则表达式时，我通常采用数据帧中的第一项（7'5.5''）并尝试专门对其使用正则表达式。由于引号的原因，我似乎不可能将这些数据放入字符串中。所以，我真的很困惑如何解决这个问题。
这是我的数据框：
HeightNoShoes HeightShoes
0 7' 5.5" NaN
1 6' 11" 7' 0.25"
2 6' 7.75" 6' 9"
3 6' 5.5" 6' 6.75"
4 5' 11" 6' 0"
输出应以英寸为单位：
HeightNoShoes HeightShoes
0 89.5 NaN
1 83 84.25
2 79.75 81
3 77.5 78.75
4 71 72
我的下一个选择是将其写入 csv 并使用 excel，但我更愿意学习如何在 python/pandas 中执行此操作。任何帮助将不胜感激。
我在R中有这样的矢量:
vec1 <- c(14000,12000,8000)
我正在尝试创建一个矩阵,其中14000是我的主对角线,1200是一个在对角线上方,8000个在对角线上方.
我熟悉在Python/numpy中这样做,但无法在R中找出它(或者至少是一种有效的方法).理想情况下,输出看起来像这样:
14000 12000 8000
0 14000 12000
0 0 14000
如果我有两个numpy数组并想要找到不相交的值,我该怎么做？
这是我无法弄清楚的一个简短例子.
a = ['Brian', 'Steve', 'Andrew', 'Craig']
b = ['Andrew','Steve']
我想找到不相交的值.在这种情况下,我希望我的输出是:
['Brian','Craig']
与我想要的完全相反:
c=np.intersect1d(a,b)
返回
['Andrew' 'Steve']
我正在寻找一种方法来计算一列中的值的数量,并证明它比我原先想象的更棘手.
Percentile Percentile1 Percentile2 Percentile3
0 mediocre contender contender mediocre
69 mediocre bad mediocre mediocre
117 mediocre mediocre mediocre mediocre
144 mediocre none mediocre contender
171 mediocre mediocre contender mediocre
我正在尝试创建类似于以下输出的内容.它需要四个选项并按列计算.它本质上是每列的pd.value.counts.任何帮助肯定会受到赞赏.
Percentile Percentile1 Percentile2 Percentile3
mediocre: 5 2 3 4
contender: 0 1 2 1
bad: 0 1 0 0
none: 0 1 0 0