小编bik*_*ser的帖子

我的数据集如下:

       Date    Value
    1/1/1988    0.62
    1/2/1988    0.64
    1/3/1988    0.65
    1/4/1988    0.66
    1/5/1988    0.67
    1/6/1988    0.66
    1/7/1988    0.64
    1/8/1988    0.66
    1/9/1988    0.65
    1/10/1988   0.65
    1/11/1988   0.64
    1/12/1988   0.66
    1/13/1988   0.67
    1/14/1988   0.66
    1/15/1988   0.65
    1/16/1988   0.64
    1/17/1988   0.62
    1/18/1988   0.64
    1/19/1988   0.62
    1/20/1988   0.62
    1/21/1988   0.64
    1/22/1988   0.62
    1/23/1988   0.60

我用这段代码来读取这些数据

df.set_index(df['Date'], drop=False, append=False, inplace=False, verify_integrity=False).drop('Date', 1)

但问题是索引不是日期格式.那么问题是如何将此列设置为日期索引？

我使用以下格式从GPS接收纬度和经度:

纬度:78°55'44.29458"N

我需要将此数据转换为:

纬度:78.9288888889

我在这里找到了这个代码:链接

import re

def dms2dd(degrees, minutes, seconds, direction):
    dd = float(degrees) + float(minutes)/60 + float(seconds)/(60*60);
    if direction == 'E' or direction == 'N':
        dd *= -1
    return dd;

def dd2dms(deg):
    d = int(deg)
    md = abs(deg - d) * 60
    m = int(md)
    sd = (md - m) * 60
    return [d, m, sd]

def parse_dms(dms):
    parts = re.split('[^\d\w]+', dms)
    lat = dms2dd(parts[0], parts[1], parts[2], parts[3])

    return (lat)

dd = parse_dms("78°55'44.33324"N )

print(dd)

它正在为这种格式工作

dd …

我在python 2.7中运行时没有问题,但是当我在python 3中运行时遇到错误.

我需要在此代码中更改某些内容.

import matplotlib as mpl
poly = mpl.path.Path(zip(listx,listy))

我得到的错误是

TypeError: float() argument must be a string or a number, not 'zip'

我在 pandas 数据框中有一个数据，例如：

df = \n\n    X1  X2  X3  Y\n0   1   2   10  5.077\n1   2   2   9   32.330\n2   3   3   5   65.140\n3   4   4   4   47.270\n4   5   2   9   80.570\n

我想做多元回归分析。这里 Y 是因变量，x1、x2 和 x3 是自变量。\n每个自变量与因变量之间的相关性为：

df.corr():\n\n      X1          X2            X3         Y\nX1  1.000000    0.353553    -0.409644   0.896626\nX2  0.353553    1.000000    -0.951747   0.204882\nX3  -0.409644   -0.951747   1.000000    -0.389641\nY   0.896626    0.204882    -0.389641   1.000000\n

\xe2\x80\x8b正如我们在这里看到的，y 与 x1 具有最高的相关性，所以我选择 x1 作为第一个自变量。在这个过程中，我尝试选择与 y 具有最高部分相关性的第二个自变量。在这种情况下如何找到偏相关？

我的文件夹组织如下所示。Type 1 和 Type 2 文件夹包含相同的文件，但我只想读取“type 2”文件夹中的文件。有没有简单的方法可以做到这一点？

我使用过此代码但无法阅读：

for file in os.listdir('Type 2'):
    print file

您的帮助将不胜感激！

我有一个时间序列数据集，其中包含一些 nan 值。我想去除这些数据的趋势：

我尝试这样做：

scipy.signal.detrend(y)

然后我收到了这个错误：

ValueError: array must not contain infs or NaNs

然后我尝试：

scipy.signal.detrend(y.dropna())

但是我丢失了数据顺序。

如何解决这个问题？

假设我有维度为 (x,y) 的网格数据，并且值在 z 中。所以简单地我们可以通过以下方式制作三维散点图：

import numpy as np
import matplotlib.pyplot as plt

x = np.random.random(10)
y = np.random.random(10)
z = np.random.random(10)
plt.scatter(x, y, c = z, s=150, cmap = 'jet')
plt.show()

我现在在想的是删除每个圆形散点图的线条颜色。而且我们可以把它变成方形而不是圆形吗？？

我没有找到任何方法来做到这一点。您的帮助将不胜感激。

您好，我有一个包含每日数据的netcdf文件。文件的形状为（5844，89，89），即16年数据。我试图从每日数据中获取每月平均值。我正在寻找类似的resample功能在熊猫数据框中运行。无论如何在python中做到这一点。据我所知，使用cdo和nco进行计算非常容易，但是我正在使用python。

我用来读取netcdf文件的示例代码是：

import netCDF4
from netCDF4 import Dataset
fh = Dataset(ncfile, mode='r')
time = fh.variables['time'][:]
lon = fh.variables['longitude'][:]
lat = fh.variables['latitude'][:]
data = fh.variables['t2m'][:]
data.shape

我从这里获取示例代码。

f1 = open('file1.txt', 'r')
f2 = open('file2.txt', 'w')
for line in f1:
    f2.write(line.replace('old_text', 'new_text'))
f1.close()
f2.close()

但是我不知道如何用各自的新词替换多个词。在这个例子中，如果我想找到一些喜欢的单词，(old_text1,old_text2,old_text3,old_text4)并用它们各自的新单词替换(new_text1,new_text2,new_text3,new_text4)。

提前致谢！

我有一个包含九列的每日时间序列数据帧.每列代表不同方法的测量值.我想仅在有两个以上的测量值时计算每日平均值,否则想要指定为NaN.如何用pandas dataframe做到这一点？

假设我的df看起来像:

             0    1      2    3     4     5    6      7     8
2000-02-25  NaN   0.22  0.54  NaN   NaN  NaN   NaN   NaN    NaN
2000-02-26  0.57  NaN   0.91  0.21  NaN  0.22  NaN   0.51   NaN
2000-02-27  0.10  0.14  0.09  NaN   0.17 NaN   0.05  NaN    NaN
2000-02-28  NaN   NaN   NaN  NaN    NaN  NaN   NaN   NaN    0.14
2000-02-29  0.82  NaN   0.75  NaN   NaN  NaN   0.14  NaN    NaN

我期待的平均价值如下:

             0    
2000-02-25  NaN   
2000-02-26  0.48  
2000-02-27  0.11  
2000-02-28  NaN   
2000-02-29  0.57  

我是Python的初学者。通过遵循这个示例，我尝试制作 Windrose 子图，例如：

但我以这种方式得到情节：

The code that I tried is: 
ws = np.random.random(500) * 6
wd = np.random.random(500) * 360

fig=plt.figure()
rect=[0,0.5,0.4,0.4] 
wa=WindroseAxes(fig, rect)
fig.add_axes(wa)
wa.bar(wd, ws, normed=True, opening=0.8, edgecolor='white')

fig1=plt.figure()
rect1=[0, 0.1, 0.4, 0.4]
wa1=WindroseAxes(fig1, rect1)
fig1.add_axes(wa1)
wa1.bar(wd, ws, normed=True, opening=0.8, edgecolor='white')

plt.show()

任何帮助/建议表示赞赏。