小编Joe*_*Joe的帖子

我在csv文件中有这样的数据

Symbol,Action,Year
AAPL,Buy,2001
AAPL,Buy,2001
BAC,Sell,2002
BAC,Sell,2002

我能够像这样阅读它和groupby

df.groupby(['Symbol','Year']).count()

我明白了

             Action
Symbol Year        
AAPL   2001       2
BAC    2002       2

我希望这个(顺序无关紧要)

             Action
Symbol Year        
AAPL   2001       2
AAPL   2002       0
BAC    2001       0
BAC    2002       2

我想知道是否有可能计算零出现率

我想检查数据帧中是否存在行,以下是我的代码:

df = pd.read_csv('dbo.Access_Stat_all.csv',error_bad_lines=False, usecols=['Name','Format','Resource_ID','Number'])
df1 = df[df['Resource_ID'] == 30957]
df1 = df1[['Format','Name','Number']]
df1 = df1.groupby(['Format','Name'], as_index=True).last()
pd.options.display.float_format = '{:,.0f}'.format
df1 = df1.unstack()
df1.columns = df1.columns.droplevel()
if 'entry' in df1:
    df2 = df1[1:4].sum(axis=0)
else:
    df2 = df1[0:3].sum(axis=0)
df2.name = 'sum'
df2 = df1.append(df2)
print(df2)

这是输出:

Name    Apr 2013  Apr 2014  Apr 2015  Apr 2016  Apr 2017  Aug 2010  Aug 2013  
Format                                                                         

entry          0         0         0         1         4         1         0   
pdf           13        12         4        23         7         1         9   
sum           13        12 …

假设我有一个如下的数据框.我想要的是,如果列a,b,c之间的数字出现最多,那么它应输出该数字,或者如果所有三个数字不同,则取a的数字.例如,在第一行中,1出现在1和5中最多,然后d中的输出为1.但在第二行中,列a,b,c的所有三个数字11,2,7都不同,输出是列的值a(11),因此d中的输出为11

list   a  b   c  
 1     1  5   1 
11    11  2   7 
 0     0  0   0 
 9     5  9   5 
 8     8  2   7  

预期产出

list   a  b   c  d 
 1     1  5   1  1
11    11  2   7  11
 0     0  0   0  0
 9     5  9   5  5
 8     8  2   7  8 

如何在熊猫的数据框中迭代几天？

例：

我的数据框：

                                   time  consumption
time
2016-10-17 09:00:00 2016-10-17 09:00:00  2754.483333
2016-10-17 10:00:00 2016-10-17 10:00:00  2135.966666
2016-10-17 11:00:00 2016-10-17 11:00:00  1497.716666
2016-10-17 12:00:00 2016-10-17 12:00:00   448.100000
2016-10-24 09:00:00 2016-10-24 09:00:00  1527.716666
2016-10-24 10:00:00 2016-10-24 10:00:00  1219.833333
2016-10-24 11:00:00 2016-10-24 11:00:00  1284.350000
2016-10-24 12:00:00 2016-10-24 12:00:00  14195.633333
2016-10-31 09:00:00 2016-10-31 09:00:00  2120.933333
2016-10-31 10:00:00 2016-10-31 10:00:00  1630.700000
2016-10-31 11:00:00 2016-10-31 11:00:00  1241.866666
2016-10-31 12:00:00 2016-10-31 12:00:00  1156.266666

伪代码：

for day in df:
    print day

第一次迭代返回：

                                   time  consumption
time
2016-10-17 09:00:00 2016-10-17 …

我想从数据框中获取每一行的某个部分的第二高值。我该怎么做呢？

我已经尝试了以下代码，但它不起作用：

df.iloc[:, 5:-3].nlargest(2)(axis=1, level=2)

有没有其他方法可以获得这个？

我是我的第一个“真正的”机器学习算法的新手。抱歉，如果这是重复的，但我在 SO 上找不到答案。

我有以下数据框（df）：

index    Feature1  Feature2  Feature3  Target
001       01         01        03        0
002       03         03        01        1
003       03         02        02        1

我的代码看起来像这样：

data = df[['Feature1', 'Feature2', 'Feature3']]
labels = df['Target']
X_train, X_test, y_train, y_test = train_test_split(data, labels, test_size = 0.8)

clf = RandomForestClassifier().fit(X_train, y_train)

prediction_of_probability = clf.predict_proba(X_test)

我正在苦苦挣扎的是如何才能'prediction_of_probability'回到数据框df？

我知道预测不会适用于原始数据框中的所有项目。

预先感谢您帮助像我这样的新手！

我遇到了下面的代码行，当其中不存在“.index”时会出现错误。

print(df.drop(df[df['Quantity'] == 0].index).rename(columns={'Weight': 'Weight (oz.)'}))

在熊猫中使用 drop 时“.index”的目的是什么？

按照官方文档的这个例子,我可以在不同的页面中创建一个包含我想要的图的pdf文件.但是我想在页面中添加一些文本(不在图中)并且我已经尝试过这种方式而没有成功:

with PdfPages('multipage_pdf.pdf') as pdf:
    fig = plt.figure(figsize=(11.69,8.27))
    x = df1.index
    y1 = df1[col1]
    y2 = df1[col2]
    plt.plot(x, y1, label=col1)
    plt.plot(x, y2, label=col2)
    plt.legend(loc='best')
    plt.grid(True)
    plt.title('Title')
    txt = 'this is an example'
    plt.text(1,1,txt)
    pdf.savefig()
    plt.close()

我怎样才能显示文字this is an example？是否可以创建仅包含文本的第一页？提前致谢

我有以下数据框,我试图绘制它,以便它在x轴显示8-19的索引数据.

如果我df.plot()没有显示任何标签.如果我这样做df.plot(use_index=True),行为就没有改变.最后我尝试了df.plot(xticks=df.index)但是我收到了一个错误AttributeError: 'NoneType' object has no attribute 'seq'

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
null = np.nan

df = pd.DataFrame.from_dict({"today sensor 1": {"08": 22.9, "09": 22.7, "10": 22.8, "11": 23.6, "12": 24.1, "13": 24.9,
                                           "14": 25.0, "15": 25.2, "16": 25.7, "17": 26.1, "18": 26.0, "19": 25.8},
                        "today sensor 2": {"08": 24.5, "09": 24.5, "10": 24.8, "11": 25.3, "12": 26.4, "13": 26.7,
                                           "14": 27.1, "15": 27.6, "16": 28.0, …

我正在尝试使用seaborn 在热图中绘制离散值。这是我试图绘制的列表：

xa = [[5, 4, 4, 4, 13, 4, 4],
 [1, 9, 4, 3, 9, 1, 4],
 [4, 1, 7, 1, 5, 3, 7],
 [1, 9, 4, 3, 9, 5, 4],
 [2, 1, 4, 1, 9, 4, 3],
 [9, 4, 8, 1, 7, 1, 9],
 [4, 8, 1, 7, 1, 4, 8]]

这是我用来绘制热图的代码：

xa = [[5, 4, 4, 4, 13, 4, 4],
 [1, 9, 4, 3, 9, 1, 4],
 [4, 1, 7, 1, 5, 3, 7],
 [1, 9, 4, …