小编ALo*_*llz的帖子

我正在尝试从 pandas 数据框中删除所有列，其中该列中的唯一项少于 10 个。但是，我的一些数据是列表，我收到错误unhashable type: 'list'。这是有道理的，因为 pandas 与哈希图进行比较。

我当前的代码是

for i in df.columns:
    if len(df[i].unique()) < 10:
        df.drop(i, 1)

在我到达列表对象之前，它工作得很好。就我的目的而言， list1 和 list2 不是唯一的。[1, 2]并且[2, 1]不是唯一的，尽管[1, 2] == [2, 1]是 False 。

我应该如何执行此操作？分隔列表没有意义，而且我无法显式键入列，因为我有 1400 个列。

提前谢谢了！

我是熊猫的新手.我有一个像这样的Pandas数据框:

df = pd.DataFrame(data={'id': [1, 1, 1, 2, 2, 2, 2], 'val1': [0, 1, 0, 0, 1, 0, 0]})

我想添加一个列val2,指示一行是否落在另一行与其id自身相同的行之下val1 == 1.

结果将是一个数据框,如:

df = pd.DataFrame(data={'id': [1, 1, 1, 2, 2, 2, 2], 'val1': [0, 1, 0, 0, 1, 0, 0], 'val2': [0, 0, 1, 0, 0, 1, 1]})

我的第一个想法是使用apply语句,但这些只是按行进行.从我的循环经验来看,永远不是答案.任何帮助将不胜感激!

我有以下数据集:

import pandas as pd
import numpy as np 
%matplotlib inline

df = pd.DataFrame({'movie' : ['A', 'B','C','D'], 
                   'genres': ['Science Fiction|Romance|Family', 'Action|Romance',
                              'Family|Drama','Mystery|Science Fiction|Drama']},
                  index=range(4))
df

我的尝试

# Parse unique genre from all the movies
gen = []
for g in df['genres']:
    gg = g.split('|')
    gen = gen + gg
    gen = list(set(gen))

print(gen)

df['genres'].value_counts().plot(kind='pie')

我有这个图像:

但我想为每个单独的类型饼图.

我们如何获得每种独特类型的电影数量类型？

尝试在给定的特定条件下将值写入列，默认值为 Null 值，代码如下：

import pandas as pd
import numpy as np
df = pd.DataFrame({'col': list('ABCDE')})

cond1 = df['col'].eq('A')
cond2 = df['col'].isin(['B', 'E'])

df['new_col'] = np.select([cond1, cond2], ['foo', 'bar'], default=np.NaN)

但它'nan'在列中给出字符串值。

df['new_col'].unique()
#array(['foo', 'bar', 'nan'], dtype=object)

有没有办法直接从这段代码中将其更改为 null？

我试图弄清楚如何计算2个字符串的给定组合，而不管哪个字符串是第一/第二。

这是我的代码：

import pandas as pd

mylist = [[('Smith JR', 'Kim YY'), ('Smith JR', 'Ron AA'), ('Kim YY', 'Ron AA')],
          [('Kim YY', 'Smith JR')], [('Smith JR', 'Ron AA')]]

flat_list = [item for sublist in mylist for item in sublist]

df = pd.DataFrame(flat_list, columns=["From", "To"])
df_graph = df.groupby(["From", "To"]).size().reset_index()
df_graph.columns = ["From", "To", "Count"]

print(df_graph)

这使：

       From        To  Count
0    Kim YY    Ron AA      1
1    Kim YY    Smith JR    1
2  Smith JR    Kim YY      1
3  Smith JR    Ron …

I've the following column:

   column
0      10
1      10
2       8
3       8
4       6
5       6

My goal is to find the today unique values (3 in this case) and create a new column which would create the following

   new_column
0           3
1           3
2           2
3           2
4           1
5           1

The numbering starts from length of unique values (3) and same number is repeated if current row is same as previous row based on original column. Number …

我有一个字典，其中包含“data.csv”中每个状态的数据框。

df=pd.read_csv('data.csv')

dict_of_st = {k: v for k, v in df.groupby('Preferred State/Province')}

我想将每个数据框写入已经存在的工作簿（'test.xlsx'）中的单独 excel 表。

我尝试使用 for 循环和 load workbook

from openpyxl import load_workbook

book = load_workbook('test.xlsx')
writer = pd.ExcelWriter('test.xlsx', engine='openpyxl') 
writer.book = book
writer.sheets = dict((ws.title, ws) for ws in book.worksheets)

for i in dict_of_st:
    i.to_excel(writer, sheet_name=i)

writer.save()

但是 jupyter notebook 引发了这个错误：

AttributeError                            Traceback (most recent call last)
<ipython-input-8-c1ba1b4d53d8> in <module>
      7 
      8 for i in dict_of_st:
----> 9     i.to_excel(writer, sheet_name=i)
     10 
     11 writer.save()

AttributeError: 'str' object has no …

我必须建立一个数据框架元素之间的依赖关系矩阵。列“ s”中的每个元素都有一个不同节点（从1到70）和对应时间（列“ t”）的列表。任务是找到所有节点之间的所有依赖关系，并将时间值的总和放入表中。

例如：节点sa1与以下节点具有连接：sa2，sa3（0行），sa3（1行），sa5，sa9（3行）

对于节点sa2，sa5，sa9，可以使用直接来自列“ t”的值，因为它们仅出现一次。节点3分两行显示，因此我们将“ t”值相加。

我尝试使用许多for循环来解决它，并且我遇到了计时问题，需要处理大约50分钟的数据，因此需要一些提示，说明如何准备数据进行分析。

正如我刚刚注意到的那样，仅需要计算主对角线上方的元素，主对角线将为NaN，而主对角线以下的元素将被镜像。

这就是我的输入示例的样子

         s           t 

 0  sa1,sa2,sa3     10
 1  sa1,sa3         20
 2  sa1,sa5,sa9     123

这是生成上面显示的表的代码

sas = pd.Series(['sa1,sa2,sa3', 'sa1,sa3', 'sa1,sa5,sa9'], name='s')
times = pd.Series([10, 20, 123], name='t')
df = pd.concat([sas, times], axis=1)

我希望得到下表

    sa1    sa2    sa3    sa4    sa5    ...    sa9  
sa1  -     10      30           123           123
sa2  10     -
sa3  30              - 
sa4                       -
sa5 123                          -
...                                     -
sa9 123                                        -

如何将对象数据类型结构转换为字符串数据类型？下面的方法不起作用，并且object在转换为字符串后该列仍然存在.astype

import pandas as pd
df = pd.DataFrame({'country': ['A', 'B', 'C', 'D', 'E']})

df.dtypes
#country    object
#dtype: object

df['county'] = df['country'].astype(str)

df.dtypes
#country    object
#dtype: object

我有一个包含许多列的数据框。我正在尝试过滤其中一列（“区域”）并根据“区域”列中的这 4 个区域中的每一个创建一个单独的数据框。然后在这 4 个单独的数据帧中的每一个上运行包含大量计算的大代码块，而不必单独重写大代码块 4 次。

我知道我可以使用 .isin 函数进行列过滤，并为我的 4 个地区（美国、新兴市场、欧洲、亚洲）执行此操作：

US = df[df['Region'].isin('US')]
EM = df[df['Region'].isin('EM')]
Europe = df[df['Region'].isin('Europe')]
Asia = df[df['Region'].isin('Asia')]

然后在 4 个新数据帧上运行我的代码块。但是我会分别执行我的大块计算代码 4 次，这太混乱了。我怎样才能在循环中做到这一点，所以我只需要一次编写我的大代码块？如果除了 for 循环之外，我还可以使用另一个函数来执行此操作，这也很棒。感谢任何帮助 - 尝试学习。

虚拟代码：

df = pd.DataFrame({'a':[1,2,3,4,5,6], 'b':['cats','dogs','birds','pianos','elephant','dinos'], 'Region' : ['EM', 'US', 'US', 'Europe', 'Asia', 'Asia']})