我有一个带有两列的df,我想要将两个列组合在一起,忽略NaN值.问题是,有时两列都有NaN值,在这种情况下我希望新列也有NaN.这是一个例子:
df = pd.DataFrame({'foodstuff':['apple-martini', 'apple-pie', None, None, None], 'type':[None, None, 'strawberry-tart', 'dessert', None]})
df
Out[10]:
foodstuff type
0 apple-martini None
1 apple-pie None
2 None strawberry-tart
3 None dessert
4 None None
我试着用fillna它来解决这个问题:
df['foodstuff'].fillna('') + df['type'].fillna('')
我得到了:
0 apple-martini
1 apple-pie
2 strawberry-tart
3 dessert
4
dtype: object
第4行已成为空白值.在这种情况下我不想要的是NaN值,因为两个组合列都是NaN.
0 apple-martini
1 apple-pie
2 strawberry-tart
3 dessert
4 None
dtype: object
我在全局环境中有10个数据框 - 5个具有名称模式,另外5个具有另一个命名模式.我想将具有相同命名模式的数据帧放入每个列表中(两个列表 - 每个模式一个),因此最终我可以使用以下方式对每个列表运行检查lapply:
lapply(listofdataframes, function(x) range(x[ , "date"]))`
命名模式是这样- :Pattern 1,,q32013local 等.q42013localq12014local
Pattern 2:q32013national,q42013national等等.
我以前用过这个:
Filter(function(x) is(x, "data.frame"), mget(ls()))`
但它显然列出了全球环境中的所有数据框.
我一直在寻找如何使用grep和ls一起使用.我bash在SO上找到了相同的问题这里列出了带有ls和grep但没有R等价的扩展名的文件.我确实提到了这两个相关的问题,但它们完全不同:
我有一个数据帧两列title,并store包含文本字符串由我希望子集数据框:
In [84]:
2631 coffee?mate sugar free french ... jet.com
2633 nestle coffeemate natural bliss ... jet.com
2634 coffee?mate liquid coffee creamer, ... jet.com
3085 coffee?mate hazelnut ... jet.com
当我尝试:
df[(df.title.str.contains('coffee-mate')) & (df.store.str.contains('jet.com'))]
我明白了:
Out[84]:
Empty DataFrame
Columns: [title, store]
Index: []
但是,当我这样做时:
df[(df.title.str.contains('coffee')) & (df.store.str.contains('jet.com'))]
我明白了:
2631 coffee?mate sugar free french ... jet.com
2633 nestle coffeemate natural bliss ... jet.com
2634 coffee?mate liquid coffee creamer, ... jet.com
3085 coffee?mate hazelnut ... jet.com
我不知道该怎么做!
我试着复制角色'咖啡伴侣'进行等效测试并得到False …
我有json包含国家数据的文件.其中一个文件包含以下数据:
"[{\"count\":1,\"subject\":{\"name\":\"Namibia\",\"alpha2\":\"NA\"}}]"
我将以下代码转换json为data.frame使用jsonlite包:
df = as.data.frame(fromJSON(jsonfile), flatten=TRUE))
我期待一个data.frame数字和字符串:
count subject.name subject.alpha2
1 Namibia "NA"
相反,NAalpha2代码会自动转换为NA逻辑,这就是我得到的:
str(df)
$ count : int 1
$ subject.name : chr "Namibia"
$ subject.alpha2: logi NA
我希望alpha2是一个字符串,而不是逻辑.我该如何解决？
我有一个字符串向量,看起来像:
> string_vec
[1] "XXX" "Snakes On A Plane" "Mask of the Ninja" "Ruslan"
[5] "Kill Switch" "Buddy Holly Story, The" "Believers, The" "Closet, The"
[9] "Eyes of Tammy Faye, The" "Gymnast, The" "Hunger, The"
最后有一些名称包含",The".我想删除逗号和空格,并在所有其他文本之前移动"The".
例如:"Buddy Holly Story,The"成为"The Buddy Holly Story".
使用模式隔离记录很简单:
string_vec[grepl("[Aa-zZ]+, The", string_vec) == TRUE]
我现在该如何调整位置？
string_vec <- c("XXX", "Snakes On A Plane", "Mask of the Ninja",
"Ruslan",
"Kill Switch", "Buddy Holly Story, The", "Believers, The",
"Closet, The",
"Eyes of Tammy Faye, The", "Gymnast, The", "Hunger, …我有一个 59720 obs 的数据框。看起来像下面。我想为查找表中的每个观察值分配一个 MARKETNAME。
> data (a)
DAY HOUR LEAD Row.Count DATE ITIME HOMEPHONE CITY STATE ZIPCODE ZONENAME
1 Monday 13:00 1 9430 7/1/2013 13:42:51 FORT LAUDERDALE FL 33315 68
2 Monday 13:00 1 9432 7/1/2013 13:43:50 xxxxx9802x PLEASANT GROVE AL 35127 82
3 Monday 13:00 1 9434 7/1/2013 13:46:18 5xxxx85x10 ORO VALLEY AZ 85737 54
4 Monday 0:00 1 9435 7/1/2013 0:04:34 50xxxx1x364 SPOKANE WA 99204 211
5 Monday 11:00 1 9436 7/1/2013 11:45:43 951xxxxx20 RIVERSIDE CA 92507 …我有一个data.frame100x100,我需要把它们当作自动扶梯.从第一列的第一个条目开始,然后继续将第二列的第一个条目添加到第一个条目的第二个条目,依此类推,直到最后一个sum的条目是最后一列的最后一行.把它看作对角矩阵如
d3 <- data.frame(a = c(rep(0.5,5),0,0), b = c(0,rep(0.3,5),0), e = c(0,0,rep(0.8,5)))
可能有助于理解这个问题.我想总结像矩阵的行d3.
我试图创建一个小例子,但我无法创建一个简化作业的循环或函数.
我有这些数据:
d <- data.frame(a = rep(0.5,5), b = rep(0.3,5), e = rep(0.8,5))
我需要一种方法来创建一个带有条目的矢量:
d2 <- rep(NA)
d2[1] <- d$a[1]
d2[2] <- sum(d$a[2],d$b[1])
d2[3] <- sum(d$a[3],d$b[2],d$e[1])
d2[4] <- sum(d$a[4],d$b[3],d$e[2])
d2[5] <- sum(d$a[5],d$b[4],d$e[3])
d2[6] <- sum(d$b[5],d$e[4])
d2[7] <- d$e[5]
等于c(0.5, 0.8, 1.6, 1.6, 1.6, 1.1, 0.8).
提前感谢您的帮助
我有一个带有49个变量和4M行的数据框。我想计算49 x 49的相关矩阵。所有列都是类数字。
这是一个示例：
df <- data.frame(replicate(49,sample(0:50,4000000,rep=TRUE)))
我使用了标准cor功能。
cor_matrix <- cor(df, use = "pairwise.complete.obs")
这需要很长时间。我有16GB RAM和一个i5单核2.60Ghz。
有没有办法使我的桌面上的计算速度更快？
这是一个'为什么'的问题而不是'如何'问题.
我有tibble一个聚合的结果dplyr
> str(urls)
Classes ‘tbl_df’, ‘tbl’ and 'data.frame': 144 obs. of 4 variables:
$ BRAND : chr "Bobbi Brown" "Calvin Klein" "Chanel" "Clarins" ...
$ WEBSITE : chr "http://www.bobbibrowncosmetics.com/" "http://www.calvinklein.com/shop/en/ck" "http://www.chanel.com/en_US/" "http://www.clarinsusa.com/" ...
$ domain : chr "bobbibrowncosmetics.com/" "calvinklein.com/shop/en/ck" "chanel.com/en_US/" "clarinsusa.com/" ...
$ final_domain: chr "bobbibrowncosmetics.com/" "calvinklein.com/shop/en/ck" "chanel.com/en_US/" "clarinsusa.com/" ...
当我尝试将final_domain列提取为字符向量时,会发生以下情况:
> length(as.character(urls[ ,4]))
[1] 1
当我改为强制数据框然后执行它时,我得到了我真正想要的东西:
> length(as.character(as.data.frame(urls)[ ,4]))
[1] 144
在str该tibble对比数据框的外观相同,但输出不同.我想知道为什么？
我是 Python 新手，并且是 R 用户。当我在 R 中构建它与在 iPython 中执行相同的事情时，我从一个简单的回归模型中得到非常不同的结果。
R 平方、P 值、系数的重要性 - 没有匹配项。我是读错了输出还是犯了其他一些基本错误？
以下是我的代码和结果：
代码
str(df_nv)
Classes 'tbl_df', 'tbl' and 'data.frame': 81 obs. of 2 variables:
$ Dependent Variabls : num 733 627 405 353 434 556 381 558 612 901 ...
$ Independent Variable: num 0.193 0.167 0.169 0.14 0.145 ...
summary(lm(`Dependent Variable` ~ `Independent Variable`, data = df_nv))
Call:
lm(formula = `Dependent Variable` ~ `Independent Variable`, data = df_nv)
Residuals:
Min 1Q Median 3Q Max …