小编use*_*006的帖子

是否有单个函数在pandas中执行SUMIF的等价物,它是特定条件的总和,COUNTIF是从Excel计算特定条件的值？

我知道可以使用许多多步功能

例如,sumif我可以使用(df.map(lambda x: condition), or df.size())然后使用.sum()

因为countif我可以使用(groupby functions和寻找我的答案或使用过滤器和.count())

在您输入条件和数据框并获得总和或计算结果时,是否有简单的一步过程来执行这些功能？

我有numpy,statsmodel,pandas和scipy(我认为)

如何计算p值的z得分,反之亦然？

例如,如果我的ap值为0.95,我应该得到1.96作为回报.

我在scipy中看到了一些函数,但它们只在数组上运行z测试.

时间序列分解是将时间序列数据集分成三个(或更多)分量的方法.例如:

x(t) = s(t) + m(t) + e(t)

哪里

t is the time coordinate
x is the data
s is the seasonal component
e is the random error term
m is the trend

在RI会做的功能decompose和stl.我怎么能在python中这样做？

哪一个使用math.pow或**运算符更有效？我什么时候应该使用另一个？

到目前为止我知道x**y可以返回一个int或者float如果你使用十进制函数pow将返回一个浮点数

import math

print math.pow(10, 2)

print 10. ** 2

我知道如何在R中这样做.但是,pandas中是否有任何函数将数据帧转换为包含两个方面共同计数的nxn共生矩阵.

例如矩阵df:

import pandas as pd

df = pd.DataFrame({'TFD' : ['AA', 'SL', 'BB', 'D0', 'Dk', 'FF'],
                    'Snack' : ['1', '0', '1', '1', '0', '0'],
                    'Trans' : ['1', '1', '1', '0', '0', '1'],
                    'Dop' : ['1', '0', '1', '0', '1', '1']}).set_index('TFD')

print df

>>> 
    Dop Snack Trans
TFD                
AA    1     1     1
SL    0     0     1
BB    1     1     1
D0    0     1     0
Dk    1     0     0
FF    1     0     1

[6 rows x 3 columns]

会屈服:

    Dop …

我是熊猫新手.计算大熊猫RSI指标中相对强度部分的最佳方法是什么？到目前为止,我得到以下内容:

from pylab import *
import pandas as pd
import numpy as np



def Datapull(Stock):
    try:
        df = (pd.io.data.DataReader(Stock,'yahoo',start='01/01/2010'))
        return df
        print 'Retrieved', Stock
        time.sleep(5)
    except Exception, e:
        print 'Main Loop', str(e)


def RSIfun(price, n=14):
    delta = price['Close'].diff()
    #-----------
    dUp=
    dDown=

    RolUp=pd.rolling_mean(dUp, n)
    RolDown=pd.rolling_mean(dDown, n).abs()

    RS = RolUp / RolDown
    rsi= 100.0 - (100.0 / (1.0 + RS))
    return rsi

Stock='AAPL'
df=Datapull(Stock)
RSIfun(df)

我到目前为止做得对吗？我对方程的不同部分有困难,你可以将向上和向下计算分开

所以我使用了一个空的数据帧

df=data[['ID','Matrix','Name','Country', 'Units']]
df['Value']=''

我用这样的代码填充它,它找到包含'Good','Bad'值的字符串df.Matrix并用以下值填充它们sch[i]:

df.loc[df.Matrix.str.contains('Good'),'Value'] = sch[2]
df.loc[df.Matrix.str.contains('Bad'),'Value'] = sch[6]
df.loc[df.Matrix.str.contains('Excellent'),'Value'] = sch[8]

我遇到了一堆像这两个不同的错误:

C:\Python33\lib\site-packages\pandas\core\strings.py:184: UserWarning: This pattern has match groups. To actually get the groups, use str.extract.
  " groups, use str.extract.", UserWarning)

C:\Users\0\Desktop\python\Sorter.py:57: SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame
  df.loc[df.Matrix.str.contains('Bad'),'Value'] = sch[6]

到目前为止,我正在使用压缩代码

pd.options.mode.chained_assignment = None

如果我不压制错误消息,我将得到大约20个错误消息.是否有其他格式我可以更改数据,以便我不会收到错误消息？

我使用python 3和pandas 0.131如果它有帮助

是否有一个pandas函数来转换此数据,因此它将列显示为a,b,c,d,e或数据字段内的任何内容,并且行计算有多少字母.

import pandas as pd

trans = pd.read_table('output.txt', header=None, index_col=0)

print trans
>>> 
        1  2    3    4
0                     
11      a  b    c  NaN
666     a  d    e  NaN
10101   b  c    d  NaN
1010    a  b    c    d
414147  b  c  NaN  NaN
10101   a  b    d  NaN
1242    d  e  NaN  NaN
101     a  b    c    d
411     c  d    e  NaN
444     a  b    c  NaN

相反,我希望输出是这样的:

        a  b    c     d   e
0                     
11      1  1    1   NaN …

在熊猫中实施Apriori算法的最佳方法是什么？到目前为止,我一直坚持转换使用for循环提取模式.从for循环开始的一切都不起作用.在熊猫中有没有矢量化的方法呢？

import pandas as pd
import numpy as np

trans=pd.read_table('output.txt', header=None,index_col=0)

def apriori(trans, support=4):
    ts=pd.get_dummies(trans.unstack().dropna()).groupby(level=1).sum()
    #user input

    collen, rowlen  =ts.shape

    #max length of items
    tssum=ts.sum(axis=1)
    maxlen=tssum.loc[tssum.idxmax()]

    items=list(ts.columns)

    results=[]
    #loop through items
    for c in  range(1, maxlen):
        #generate patterns
        pattern=[]
        for n in  len(pattern):
            #calculate support
            pattern=['supp']=pattern.sum/rowlen
            #filter by support level
            Condit=pattern['supp']> support
            pattern=pattern[Condit]
            results.append(pattern)
   return results

results =apriori(trans)
print results

当我插入支持3时

        a  b  c  d  e
0                    
11      1  1  1  0  0
666     1  0  0  1  1
10101 …

我想用scikit-image做一些光学标记识别.我正在寻找2个功能

可以说我的图像看起来像这样:

我检测它的方法是使用滤镜来清理图像:(对filter模块中的噪声斑点进行双边和高斯滤波)

然后我会用在一个灰度缩放color模块第三我会使用Canny边缘检测器在filter模块

我试图找出我用什么来按颜色过滤细胞所以我可以分开红色和蓝色？

我猜有用于Hues公司,饱和度和亮度或RGB一些功能,可用于过滤掉特定的颜色或一些东西,可以被用来k-means从scikit learn过滤数据

其次是如何将此图像转换为numpy数组/ pandas数据帧,如下所示:

[[1,2,0,2,0]
[0,1,1,0,1]
[0,0,1,2,0]]

其中红色为1,蓝色为2,白色为0.我看到有些人放下了一条线,但不知道它叫什么或是否在sk-image中可用.