我有一个数据集,在同一列中有日期和利率.我需要将这两个数字拆分为两个单独的列,但是当我使用以下代码时:
Split <- str_split(df$Dates, "[ ]", n = 2)
Dates <- unlist(Split)[1]
Rates <- unlist(Split)[2]
它仅返回每个元素的第一个"值",即日期的"1971-04-01"和费率的"7.43".我需要它返回字符串拆分部分的所有值,并为字符串拆分的第二部分返回相同的值
下面是数据集的一部分,总行数= 518.
1971-04-01 7.31
1971-05-01 7.43
1971-06-01 7.53
1971-07-01 7.60
1971-08-01 7.70
1971-09-01 7.69
1971-10-01 7.63
1971-11-01 7.55
1971-12-01 7.48
1972-01-01 7.44
谢谢
我正在尝试使用 Python 的 pandas to_sql 命令将每月数据发送到 MySQL 数据库。我的程序一次运行一个月的数据，我想将新数据附加到现有数据库中。但是，Python 给了我一个错误：
_mysql_exceptions.OperationalError: (1050, "Table 'cps_basic_tabulation' already exists")
这是我的连接和导出代码：
conn = MySQLdb.connect(host = config.get('db', 'host'),
user = config.get('db', 'user'),
passwd = config.get('db', 'password'),
db = 'cps_raw')
combined.to_sql(name = "cps_raw.cps_basic_tabulation",
con = conn,
flavor = 'mysql',
if_exists = 'append')
我也试过使用：
from sqlalchemy import create_engine
将 conn = MySQLdb.connect... 替换为：
engine = mysql+mysqldb://<user>:<password>@<host>[:<port>]/<dbname>
conn = engine.connect().connection
关于为什么我不能附加到数据库的任何想法？
谢谢！
我正在尝试使用R中的HTS包创建节点结构.有关节点的文档很稀疏,因此尝试对节点结构进行适当的编码很困难,并添加一个添加的层我试图创建两个层次结构,我们在其中拥有下列:
(层次1 - 地理:例子是美国特拉华州及其县)
=> 10000
=> 10001
=> 10003
=> 10005
=> 10999
(层次结构2 - 行业:简化)
=> 10
=> 11
=> 12
=> 21
=> 22
=> 31
...
=> 99
编辑2 - 更正的层次结构和进一步的说明
所以每个时间序列都有一个地理代码和一个行业代码.地理代码遵循一个层次结构,行业代码另一个(如上所示).
我试图弄清楚如何指定"nodes"参数来表示两个层次结构的关系(文档示例仅显示单个层次结构).
当两个层次结构相互作用时,我们会获得更多级别.假设只有2个行业,11和12,我们简化.由(10001,11)和(10001,12)确定的时间序列必须加起来(10001,10); 而且,(10001,11)...(10999,11)必须加起来(10000,11)等等.再次,这些是简化的层次结构 - 在实际数据中有更多的层次.
问题是,两个层次结构的"节点"参数如何？希望这可以帮助.
我有一个.xls看起来与此类似的文件......
Value of Construction Put in Place...
(Millions of Dollars....)
Blank Row
Date Total_Construction Total Residential Total Nonresidential...Columns
Dec-15 1,116,570 435,454 681,217
Nov-15 1,115,966 432,295 683,671
Oct-15 1,122,749 431,164 691,585
.
.
.
我正在尝试导入该文件以获取以下内容:
Date Total_Construction Total Residential Total Nonresidential
Dec-15 1,116,570 435,454 681,217
Nov-15 1,115,966 432,295 683,671
Oct-15 1,122,749 431,164 691,585
.
.
.
使用以下代码:
for chunk in pandas.read_csv('/PATH/totsatime.xls',
names = ['Date', 'Total Residential', 'Total Nonresidential'],
header = 4,
chunksize = 1,
skiprows = range(1, 4),
thousands …