小编Bea*_*ear的帖子

我已经df并且我想从中对某些变量的分布进行一些抽样。假设df['type'].value_counts(normalize=True)返回：

0.3 A
0.5 B
0.2 C

我想做这样的事情sampledf = df.sample(weights=df['type'].value_counts())，sampledf ['type'].value_counts(normalize=True)将返回几乎相同的分布。如何在这里通过频率传递 dict？

我已经whl从http://www.lfd.uci.edu/~gohlke/pythonlibs安装了xgboost

我试过的时候:

import xgboost

我有下一条消息:

d:\ program files\python\lib\site-packages\sklearn\cross_validation.py:44:DeprecationWarning:在0.18版本中不推荐使用此模块,而是支持所有重构的类和函数都移动到的model_selection模块.另请注意,新CV迭代器的接口与此模块的接口不同.该模块将在0.20中删除."此模块将在0.20中删除.",DeprecationWarning)

如果我打印import sklearn之前import xgboost没有收到任何消息.我假设这条消息不会影响结果,但如何避免呢？如果所有包都是最新的,我也通过点检查了.

我需要计算某一点的实际值,而不是那时的相对变化.我有典型的时间序列数据(%到前一个时期),需要在某个时间获得资产的实际价值.就像是:

Day0 Day1  Day2  Day3
100  1.05  1.05  1.05
100  1.01  1.01  1.01
100  0.99  0.99  0.99

Run Code Online (Sandbox Code Playgroud)

应该是这样的:

Day0  Day1  Day2    Day3
100   105  110.25  115.76
100   101  102.01  103.03
100   99   98.01   97.02 

Run Code Online (Sandbox Code Playgroud)

我相信我必须使用replace与apply在这里,但我有1列的困难.我不知道如何避免使用function它,将每列乘以前一列.