因此,我的google-fu似乎并没有让我正义,看起来应该是一个微不足道的程序.
在Pandas for Python中我有2个数据集,我想合并它们.使用.concat可以正常工作.问题是,.concat重新排序我的列.从数据检索的角度来看,这是微不足道的.从"我只是想打开文件并快速查看最重要的列"的角度来看,这很烦人.
File1.csv
Name Username Alias1
Tom Tomfoolery TJZ
Meryl MsMeryl Mer
Timmy Midsize Yoda
File2.csv
Name Username Alias 1 Alias 2
Bob Firedbob Fire Gingy
Tom Tomfoolery TJZ Awww
Result.csv
Alias1 Alias2 Name Username
0 TJZ NaN Tom Tomfoolery
1 Mer NaN Meryl MsMeryl
2 Yoda NaN Timmy Midsize
0 Fire Gingy Bob Firedbob
1 TJZ Awww Tom Tomfoolery
结果很好,但在我正在使用的数据文件中,我有1,000列.最重要的2-3个现在位于中间.有没有办法,在这个玩具示例中,我可以强迫"Username"成为第一列,"Name"成为第二列,显然保留了每个下面的值.
另外作为旁注,当我保存到文件时,它也会在侧面保存该编号(0 1 2 0 1).如果这是一种防止这种情况的方法,那就太酷了.如果没有,它不是一个大问题,因为它是一个快速修复删除.
谢谢!
我的rjson包随机不起作用.因为,它有时很好,有时它无法加载.不知道为什么.
我收到这个错误.
Error in library("rjson") : there is no package called ‘rjson’
为了尝试缓解这个问题,尽管知道它已安装,我在我的脚本中添加了一个安装行.
install.packages("rjson", repos="http://cran.rstudio.com/")
library(rjson)
现在我得到......
安装包(S)到'C:/Users/Tom/Documents/R/win-library/2.15'试图URL(如'LIB'是未指定)" http://cran.rstudio.com/bin/windows/contrib /2.15/rjson_0.2.13.zip '内容类型'应用程序/ zip'长度491848字节(480 Kb)已打开URL已下载480 Kb
包'rjson'成功解压并检查MD5总和警告:无法删除先前安装包'rjson'
下载的二进制包位于C:\ Users\Tom\AppData\Local\Temp\RtmpiOfTqK\downloaded_packages
在R中,当我由于某种原因转到"包 - >加载"时,rjson不存在.它从来没有,即使有效.
我已导航到......
C:\用户\汤姆\文件\ r\WIN库\ 2.15
我可以确认rjson的文件夹在那里.
不知道该怎么做.
我有一个数据集.在许多不同的文件操作之前,许多单元格都是"NA"
在操纵之后,无论出于何种原因,它们都变得纯粹是空洞的.因此,需要明确的是,以前NA在excel中的SAME单元现在只显示完全空白.没什么大不了的吧？
那么,当我把数据读入RI时...
[1] "" "" "6.4019975396e+17"
[4] "" "" ""
[7] "" "" "6.40275087015e+17"
[10] "6.4062774821e+17" "" "6.40602341e+17"
[13] "" "" "6.40360673735e+17"
[16] "6.40326194081e+17" "6.40326465381e+17" "6.40322363352e+17"
对我来说似乎还不错,除非我跑步
is.na(data_frame $列名)
我搞错了.每一个.我误解了.na是如何工作的？
编辑 - 这有点模糊.当然,我误解了它是如何工作的.你能解释为什么空单元不算作NA单元吗？是否存在可以应用于数据框的快速修复程序,以便为R创建任何"或"为CSV的NA中的空白单元格？
我正在将一些东西从 R 转换到 Python，并且对有效合并感到好奇。我concatenate在 NumPy 中发现了一些东西（使用 NumPy 进行操作，所以我想坚持使用它），但它没有按预期工作。
取两个数据集
d1 = np.array([['1a2', '0'], ['2dd', '0'], ['z83', '1'], ['fz3', '0']])
d1 = np.array([['1a2', '0'], ['2dd', '0'], ['z83', '1'], ['fz3', '0']])
和
d2 = np.array([['1a2', '33.3', '22.2'],
['43m', '66.6', '66.6'],
['z83', '12.2', '22.1']])
ID Label
1a2 0
2dd 0
z83 1
fz3 0
我想将这些合并在一起，结果是
d2 = np.array([['1a2', '33.3', '22.2'],
['43m', '66.6', '66.6'],
['z83', '12.2', '22.1']])
因此，它识别出与 ID 列匹配的行，然后将它们连接在一起。这在 R 中使用 相对简单merge，但在 NumPy 中对我来说不太明显。
有没有办法在我缺少的 NumPy 中本地执行此操作？
train_subset.iloc[:10, :10]
1 0 7045 17 16.0 0.0 0.0 0.0 0.0 18.0
1 0 8907 137 48.0 42.0 53.0 32.0 35.0 30.0
1 0 917 167 193.0 88.0 48.0 0.0 24.0 0.0
1 0 203 5303 2073.0 153.0 108.0 97.0 73.0 89.0
1 0 198 817 198.0 0.0 0.0 88.0 93.0 70.0
我有一个名为 train 的数据集。我在这里打印了它的一小部分。
有没有一种有效的方法可以从数据集中删除所有零，通过向左移动来更新列？例如，我想要的输出是...
请注意，我希望这仅从第 4 列开始触发。第一、第二和第三列是元数据，不应更改。
train_subset.iloc[:10, :10]
1 0 7045 17 16.0 18.0
1 0 8907 137 48.0 42.0 53.0 32.0 35.0 30.0
1 0 917 …我有一个矩阵.我将在下面举一个简单的例子.
ID_Num Name text
1 123 Ari\n "I\nlove"
2 456 Zona\r "Arizona\r\Iced\n"
3 789 Tea "tea!!\n\r"
我想从文本列中删除\n和\ r \n无论出于何种原因.
申请怎么做？
话说....
matrix = apply( matrix, 1, function(x) gsub("[\r\n\]", "", x["text"])
似乎没有给我想要的结果,返回一个空矩阵.
有任何想法吗？
我有一个4 GB的文件,其中有大约20亿个有向边,格式为User1 FOLLOWS User 2,如下所示.
User1 User2
7 37
5 24
7 8383932
24 1
3 8538
37 7
DF = structure(list(User1 = c(7L, 5L, 7L, 24L, 3L, 37L), User2 = c(37L,
24L, 8383932L, 1L, 8538L, 7L)), .Names = c("User1", "User2"), row.names = c(NA,
-6L), class = "data.frame")
等等.我希望能够有效地获得以下结果
User NumberFollowers NumberFriends
1 1 0
7 1 1
24 1 0
37 1 1
8383932 1 0
8538 1 0
5 0 0
3 0 0
等等,其中NumberFollowers是带有链接的"User1"的数量,NumberFriends是他们也相互关注的追随者的数量.
我目前正在尝试使用
aggregate()
然而,它似乎忽略了用户5和用户3没有朋友或关注者的情况,但他们自己跟随人. …
我已经按照我的数据集复制了两个教程，链接如下
Stacked Bar Chart : https://altair-viz.github.io/gallery/stacked_bar_chart.html
和
Selectable Data : https://altair-viz.github.io/gallery/interactive_cross_highlight.html
不过，我很难理解 Altair 是否能够将这两者结合起来。
是否可以有一个堆叠条形图，其中图表的每个“子部分”都是可选的。所以，如果我有这样的数据
Category1, Category2
条形图，每个条形图可以有小节
Sub1, Sub2
我有一个堆积条形图，其中与 Sub1 相关的 Categroy1/Category2 部分为蓝色，与 Sub2 相关的部分为橙色，我可以选择 4 个部分中的任何一个（Cat1+Sub1、Cat1+Sub2、Cat2） +Sub1、Cat2+Sub2，表示为 2 个堆叠条），然后该部分变为红色。
这是否可能或超出范围，如果可能，我在概念上缺少什么？
使用 R，库（ggplot2）
我有一个完美的正方形 ggplot。从左上角到右下角，我有一条线。
所以说 xlim(0,100), ylim(0,100) 和 geom_abline(intercept=100,lope=-1)。
我如何使线条上方的所有内容都说蓝色背景和红色下方？
SampleTable:
ID Score1 Score2
1 100 88
1 96 94
1 94 95
2 100 100
2 98 94
3 77 88
所以我希望返回值为2,因为有2个唯一的人有一个Score1> Score2的实例.
为了再现性:
df = data.frame( ID=c(1,1,1,2,2,3), Score1=c(100,96,94,100,98,77), Score2=c(88,94,95,100,94,88) )
ID Score1 S
我刚在想
length( unique( which( df$Score1 > df$Score2 ) ) )
然而,返回3,显然是因为它没有考虑寻找df$ID唯一的,只是唯一出现的数量.我如何解释想要独特的唯一数量df$ID？
我有以下代码
mean( myList$scores[ myList$IDs == "1234" ] )
这给了我ID 1234的人的分数的平均值.
假设我有一个ID号列表,这是所有ID号的小样本.
testIDs = c(1234,2345,3456,4567)
我如何更改这个以返回给我4表示,平均值为1234,平均值为2345,平均值为3456,平均值为4567.
我知道我可以遍历testIDs,但这不是解决这个问题的最好方法.