小编Spa*_*ace的帖子

我已经使用http://www.kevinsheppard.com/images/0/09/Python_introduction.pdf上的文档通过Anaconda安装了Python ,我的Pandas版本是0.13.1.

但是,由于我现在对这个版本有一些问题(没有可能使用DataFrame重新采样重新计算平均值),我想知道如何快速将我的版本升级到0.14.

我使用Wes McKinney的'Python for Data Analysis',但我想知道使用eclipse进行调试是否值得(即使有一些用于安装PyDev的eclipse版本的bug)以及我如何可以与anaconda一起使用它,没有任何冲突.

在 Visual Studio Code（Windows 下）中，我当前的 Json 文件显示如下：

我希望它们的格式如下所示：

我在Pandas数据框中有下表：

date                 user_id  whole_cost  cost1             
02/10/2012 00:00:00        1       1790      12         
07/10/2012 00:00:00        1        364      15         
30/01/2013 00:00:00        1        280      10         
02/02/2013 00:00:00        1        259      24         
05/03/2013 00:00:00        1        201      39         
02/10/2012 00:00:00        3        623       1          
07/12/2012 00:00:00        3         90       0          
30/01/2013 00:00:00        3        312      90         
02/02/2013 00:00:00        5        359      45         
05/03/2013 00:00:00        5        301      34         
02/02/2013 00:00:00        5        359       1          
05/03/2013 00:00:00        5        801      12         
..

该表是使用以下查询从csv文件中提取的：

import pandas as pd

newnames = ['date','user_id', 'whole_cost', 'cost1']
df = pd.read_csv('expenses.csv', names …

我从一个 csv 文件中提取了下表：

时间戳 user_id 成本 val1
01/01/2011 1 1 3
01/07/2012 1 19 57
01/09/2013 1 21 63
01/02/2011 2 20 8

为此，我使用了以下语句： import pandas as pd

newnames = ['date','user_id', 'cost', 'val1']
df = pd.read_csv('expenses.csv', names = newnames, header = False)
df['timestamp'] = pd.to_datetime(df['timestamp'],format='%d%m%Y')

但是df中得到的表日期是错误的：月和日无故排列，即01/09/2013无故变成09/01/2013。

非常感谢您的帮助。

我的mytest.csv中包含下表，如下所示：

timestamp   val1    val2    user_id  val3  val4    val5    val6
01/01/2011  1   100 3    5     100     3       5
01/02/2013  20  8        6     12      15      3
01/07/2012      19  57   10    9       6       6        
01/11/2014  3100    49  6        12    15      3
21/12/2012          240  30    240     30       
01/12/2013          63                  
01/12/2013  3200    51  63       50

以上是使用以下代码获得的，在该代码中，我尝试删除所有重复项，但很遗憾，其中一些仍然存在（基于'timestamp'和'user_id'）：

import pandas as pd

newnames = ['timestamp', 'val1', 'val2','val3', 'val4','val5', 'val6','user_id']
df = pd.read_csv('mytest.csv', names = newnames, header = False, parse_dates=True, dayfirst=True)
df['timestamp'] = pd.to_datetime(df['timestamp'], dayfirst=True) 
df = df.loc[:,['timestamp', …