小编fun*_*ion的帖子

当我这样做时,data[genres].sum()我得到以下结果

Action        1891
Adult            9
Adventure     1313
Animation      314
Biography      394
Comedy        3922
Crime         1867
Drama         5697
Family         754
Fantasy        916
Film-Noir       40
History        358
Horror        1215
Music          371
Musical        260
Mystery       1009
News             1
Reality-TV       1
Romance       2441
Sci-Fi         897
Sport          288
Thriller      2832
War            512
Western        235
dtype: int64

但是当我尝试使用时对总和进行排序 np.sort

genre_count = np.sort(data[genres].sum())[::-1]
pd.DataFrame({'Genre Count': genre_count})`

我得到以下结果

`Out[19]:
    Genre Count
0   5697
1   3922
2   2832
3   2441
4   1891
5   1867
6   1313
7 …

在编程语言中,如果我使用"\n",它会添加一个换行符.

有人可以解释"\n"如何转换为换行符和"\ t"相同吗？

我有一个名为ratings_by_title的Pandas GroupBy数据框,如下所示:

title
$1,000,000 Duck (1971)                37
'Night Mother (1986)                  70
'Til There Was You (1997)             52
'burbs, The (1989)                   303
...And Justice for All (1979)        199
1-900 (1994)                           2
10 Things I Hate About You (1999)    700
101 Dalmatians (1961)                565
101 Dalmatians (1996)                364
12 Angry Men (1957)                  616

我想过滤掉评分> = 250的标题,所以,

我尝试了以下内容 active_titles = ratings_by_title.index[ratings_by_title >= 250]

但是,这在iPython中说错了

AttributeError:无法访问'DataFrameGroupBy'对象的属性'index',请尝试使用'apply'方法

有人可以帮我理解发生了什么吗？

我有一个评论数据框,看起来像这样(df1)

Comments
Apple laptops are really good for work,we should buy them
Apple Iphones are too costly,we can resort to some other brands
Google search is the best search engine 
Android phones are great these days
I lost my visa card today

我有另一个merchent名称的数据框,看起来像这样(df2):

Merchant_Name
Google
Android
Geoni
Visa
Apple
MC
WallMart

如果df2中的merchant_name出现在df 1的Comment中,则将该商家名称附加到R中df1中的第二列.匹配不必是完全匹配.近似值是必需的.此外,df1包含大约500K行!我的最终输出df可能看起来像这样

Comments                                                        Merchant
Apple laptops are really good for work,we should buy them       Apple
Apple Iphones are too costly,we can resort to some other brands Apple
Google search …

我有一个spark数据框，可以使用将其转换为pandas数据框。

toPandas()

pyspark中可用的方法。

我对此有以下疑问？

1. 这种转换是否违反了使用spark本身（分布式计算）的目的？
2. 数据集将是巨大的，那么速度和内存问题呢？
3. 如果有人也可以解释，那么这一行代码究竟会发生什么，那将真正有帮助。

谢谢