小编Shu*_*Das的帖子

I have the below data:

prop_tenure  prop_12m  prop_6m  
0.00         0.00      0.00   
0.00         0.00      0.00   
0.06         0.06      0.10   
0.38         0.38      0.25   
0.61         0.61      0.66   
0.01         0.01      0.02   
0.10         0.10      0.12   
0.04         0.04      0.04   
0.22         0.22      0.22 

and I am doing a pairplot as below:

sns.pairplot(data)
plt.show()

However I would like to display the correlation coefficient among the variables and if possible the skewness and kurtosis of each variable. I am not sure how to do that in seaborn. Can someone please …

我正在尝试创建一个 key:value 对字典，其中 key 是数据框的列名，value 将是一个包含该列中所有唯一值的列表。最终我希望能够从dict 基于条件。到目前为止，这是我能够做的：

for col in col_list[1:]:
    _list = []
    _list.append(footwear_data[col].unique())
    list_name = ''.join([str(col),'_list'])

product_list = ['shoe','footwear']
color_list = []
size_list = []

这里 product,color,size 都是列名，dict 键应该相应地命名为 color_list 等。最终我需要访问字典中的每个 key:value_list。预期输出：

KEY              VALUE
color_list :    ["red","blue","black"]
size_list:  ["9","XL","32","10 inches"]

有人可以帮我解决这个问题吗？附上数据的快照。

我有一个pandas数据框,其中包含如下所示的数据:

ID  year_month_id   Class
1   201612          A
2   201612          D
3   201612          B
4   201612          Other
5   201612          Other
6   201612          Other
7   201612          A
8   201612          Other
9   201612          A
1   201701          B

因此,ID可以在特定月份的任何课程中,下个月他的课程可能会发生变化.现在我要做的是为每个ID获取它在特定类下的月数以及它所属的最新类.如下所示:

ID  Class_A Class_B Class_D Other Latest_Class
1   2        3       4         0    B
2   12       0       0         0    D

我如何在python中实现这一点.有人可以帮我这个吗？此外,由于真实数据集很大并且无法手动验证,我如何才能获得超过1类的ID列表？

我试图使用R包mRMRe在Python中进行特征选择,除了这个特征选择部分,所有其他模块都在Python中.

utils = importr('utils')  # -- Only once.
utils.install_packages('mRMRe')
# Now we begin by loading in the R packages
pymrmr = importr('mRMRe')

当install_packages部分运行时,我得到:

In[20]: utils.install_packages('mRMRe')
   ...: 
Out[20]: rpy2.rinterface.NULL

我认为安装没有正确发生,因为:

In[19]: pymrmr = importr('mRMRe')
   ...: 
Traceback (most recent call last):
  File "C:\hduser\AppData\Local\Continuum\anaconda3\lib\site-packages\IPython\core\interactiveshell.py", line 2910, in run_code
    exec(code_obj, self.user_global_ns, self.user_ns)
  File "<ipython-input-19-e65c804fa4f7>", line 1, in <module>
    pymrmr = importr('mRMRe')
  File "C:\hduser\AppData\Local\Continuum\anaconda3\lib\site-packages\rpy2\robjects\packages.py", line 453, in importr
    env = _get_namespace(rname)
rpy2.rinterface.RRuntimeError: Error in inDL(x, as.logical(local), as.logical(now), ...) : 
  **unable to load shared object 'C:/Program …

我有以下数据：

grp_m1      grp_m2      grp_m3      grp_m4
$50-$75     $50-$75     $50-$75     $50-$75
$50-$75     $50-$75     $50-$75     $50-$75
$150-$175       $150-$175       $150-$175       $150-$175
$100-$125       $100-$125       $100-$125       $100-$125
$150-$175       $125-$150       $125-$150       $125-$150

然后将它们转换为假人。这些虚拟数据的数据类型在pandas数据帧中是 unsigned int ，当我尝试使用以下代码将其转换为 R 数据帧时：

from rpy2.robjects import pandas2ri
pandas2ri.activate()
pandas2ri.py2ri(data)

我收到以下错误：

Error while trying to convert the column "grp_m4_$175-$200". Fall back to string conversion. The error is: Cannot convert numpy array of unsigned values -- R does not have unsigned integers.
  (name, str(e)))
C:\Users\hduser\AppData\Local\Continuum\anaconda3.1\lib\site-packages\rpy2-2.9.1-py3.6-win-amd64.egg\rpy2\robjects\pandas2ri.py:61: UserWarning: Error while trying to convert the …

我正在使用下面的代码为一个变量绘制两个 kdeplots：

income_df = attrition_df[['Annual Income','Terminated']]
income_left = income_df.loc[income_df['Terminated'] == 1]
income_stayed = income_df.loc[income_df['Terminated'] == 0]
x = np.array(income_left['Annual Income'].values)
y = np.array(income_stayed['Annual Income'].values)
ax = sns.kdeplot(x,y, shade=True)

但我收到一个错误：

ValueError：观察的数量必须大于变量的数量。

我不明白为什么会抛出这个错误以及如何绘制图表。有人可以帮我解决这个问题。意图是得到类似的东西：

我有一个巨大的表（约 8 亿），我需要根据某些段条件获取数据。

数据：

d_id    month_id    sec     average Class
89      201701      S       5.98    A
73      201703      N       7.63    B
31      201708      F       6.38    P
11      201709      K       6.38    P

我有两个清单：

monthList = [201701,201702,201703]

所以sql查询是：

sql_query = str("""select * from dbo.table_name where month_id IN monthList;""") 

现在我想将这些数据保存在服务器端游标中，并从中获取基于 classList 的子集

curs = cnxn.cursor('Class')
classList = ['A','B','P']

while True:
    records = curs.fetchmany(int(1e3))
    if not records:
      break
    for record in records:
      # here I want to use the classList to subset the data , something …

我有以下数据：

coll_prop_tenure    coll_prop_12m   coll_prop_6m    coll_prop_3m
0.04                0.04            0.06            0.08
0                   0               0               0
0                   0               0               0
0.06                0.06            0.1             0
0.38                0.38            0.25            0
0.61                0.61            0.66            0.61
0.01                0.01            0.02            0.02
0.1                 0.1             0.12            0.16
0.04                0.04            0.04            0.09
0.22                0.22            0.22            0.22
0.72                0.72            0.73            0.72
0.39                0.39            0.45            0.64

我使用 seaborn 的 distplot 来绘制分布图，如下所示：

######################## density plot #########################################
f, axes = plt.subplots(2, 2, figsize=(7, 7), sharex=True)
sns.distplot( data[cols_viz[0]] , color="skyblue", ax=axes[0, 0])
print("Skewness: %f" % data[cols_viz[0]].skew()) …

我目前正在尝试各种方法： 1. 相关性。2. 相互信息。3. 距离相关性以找出 X 中的变量与 y 中的因变量之间的关系强度。关联是最快和最简单的（一个样本 1 小时到 300 万条记录和 560 个变量）。相互信息计算大约需要 16 个小时。我也在研究距离相关性，因为它有一个有趣的特性：Xi 和 Y 之间的距离相关性为零，当且仅当它们是独立的。但是我在用 Python 进行计算时遇到了一个问题。

以下是我的数据：

X

prop_tenure prop_12m    prop_6m prop_3m 
0.04        0.04        0.06    0.08
0           0           0       0
0           0           0       0
0.06        0.06        0.1     0
0.38        0.38        0.25    0
0.61        0.61        0.66    0.61
0.01        0.01        0.02    0.02
0.1         0.1         0.12    0.16
0.04        0.04        0.04    0.09
0.22        0.22        0.22    0.22
0.72        0.72        0.73    0.72
0.39        0.39        0.45    0.64

**y**
status
0
0 …