我有一个像这样的pandas.dataframe('col'列有两种格式):
col val
'12/1/2013' value1
'1/22/2014 12:00:01 AM' value2
'12/10/2013' value3
'12/31/2013' value4
我想将它们转换为datetime,我正在考虑使用:
test_df['col']= test_df['col'].map(lambda x: datetime.strptime(x, '%m/%d/%Y'))
test_df['col']= test_df['col'].map(lambda x: datetime.strptime(x, '%m/%d/%Y %H:%M %p'))
显然,它们中的任何一个都适用于整个df.我正在考虑使用尝试,除了但没有任何运气,任何建议？
我想知道是否有一种Pythonic方法来计算计数器的均值和方差？
例如,我有四个计数器共享相同的键:
a = Counter({1: 23, 2: 39, 3: 1})
b = Counter({1: 28, 2: 39, 3: 1})
c = Counter({1: 23, 2: 39, 3: 2})
d = Counter({1: 23, 2: 22, 3: 1})
我这样做的方法是:
each_key_val = {}
for i in a.keys(): # The assumption here is that all Counters must share the same keys
for j in [a, b, c, d]:
try:
each_key_val[i].append(j[i])
except:
each_key_val[i] = [j[i]]
我可以使用以下代码来查找每个键的均值/方差:
np.mean(each_key_val[i])
np.var(each_key_val[i])
与我的方式相比,是否有更简单的方法来计算每个键的均值/方差？
我的txt文件是这样的：
[[1,3,5],[1,4,4]]
[[1,4,7],[1,4,8],[2,4,5]]
我试图将它转换成一个列表，其中包含 txt 文件中的所有列表。因此，我的示例所需的输出是：
[[[1,3,5],[1,4,4]], [[1,4,7],[1,4,8],[2,4,5]]]
这似乎是一项简单的任务，只是我只能得到这个：
['[[1,3,5],[1,4,4]]', '[[1,4,7],[1,4,8],[2,4,5]]']
有没有一种简单的方法可以将字符串类型转换为列表？
我使用的代码：
input_list = []
with open("./the_file.txt", 'r') as f:
lines = f.read().split('\n')
for each_line in lines:
input_list.append(each_line)
f.close()
在我的数据库中，每个 ID 都有多个记录。在我的输出中，我想按日期为每个 ID 对行进行排序，而 ID 最终会随机显示。
这是我的代码，它有效但显示排序的 ID，没有随机 ID：
SELECT ID, VALUE, DATE
FROM TABLE
ORDER BY ID, DATE DESC;
我试着把它改成
SELECT ID, VALUE, DATE
FROM TABLE
ORDER BY ID, dbms_random.value, DATE DESC;
但它不起作用并给了我这个错误：
ORA-01652: unable to extend temp segment by 64 in tablespace TEMP01
我的猜测是我没有更多的磁盘可以分配给我的 TEMP 表空间，但是如何修改它？此外，我不确定我是否正确使用了 dbms_random.value，是吗？
为了进一步说明我最终显示随机 ID 的想法，请参见以下示例：
原文：
ID VALUE DATE
1 200 1/2/2013
1 300 3/26/2013
2 200 2/2/2013
3 100 2/3/2015
3 500 6/21/2014
3 200 5/3/2014
期望：
ID VALUE DATE
2 …