问题

我想diff按小组计算.我不知道如何对time列进行排序,以便每个组的结果都是排序的和正面的.

原始数据:

In [37]: df 
Out[37]:
  id                time
0  A 2016-11-25 16:32:17
1  A 2016-11-25 16:36:04
2  A 2016-11-25 16:35:29
3  B 2016-11-25 16:35:24
4  B 2016-11-25 16:35:46

我想要的结果

Out[40]:
   id   time
0  A   00:35
1  A   03:12
2  B   00:22

注意:时间col的类型是timedelta64 [ns]

试

In [38]: df['time'].diff(1)
Out[38]:
0                 NaT
1            00:03:47
2   -1 days +23:59:25
3   -1 days +23:59:55
4            00:00:22
Name: time, dtype: timedelta64[ns]

没有得到理想的结果.

希望

不仅解决问题,而且代码可以快速运行,因为有5000万行.

有这么多的帖子这样有关如何提取sklearn决策树的规则，但我找不到任何有关使用熊猫。

以这个数据和模型为例，如下

# Create Decision Tree classifer object
clf = DecisionTreeClassifier(criterion="entropy", max_depth=3)

# Train Decision Tree Classifer
clf = clf.fit(X_train,y_train)

结果：

预期：

关于此示例，有8条规则。

从左到右，请注意该数据帧是 df

r1 = (df['glucose']<=127.5) & (df['bmi']<=26.45) & (df['bmi']<=9.1)
……
r8 =  (df['glucose']>127.5) & (df['bmi']>28.15) & (df['glucose']>158.5)

我不是提取sklearn决策树规则的大师。获取大熊猫布尔条件将有助于我为每个规则计算样本和其他指标。因此，我想将每个规则提取到熊猫的布尔条件。

df = pd.DataFrame({'A': ['x', 'y', 'x'], 'B': ['z', 'u', 'z'],
                  'C': ['1', '2', '3'],
                  'D':['j', 'l', 'j']})

我只是希望A列和D列不是B pd.get_dummies(df)列的假人.如果我使用了,所有列都变成了假人.

我希望最终结果包含所有列,这意味着列C和列B退出,如'A_x','A_y','B','C','D_j','D_l'.

输入:

    S   T   W      U
0   A   A   1   Undirected
1   A   B   0   Undirected
2   A   C   1   Undirected
3   B   A   0   Undirected
4   B   B   1   Undirected
5   B   C   1   Undirected
6   C   A   1   Undirected
7   C   B   1   Undirected
8   C   C   1   Undirected

输出:

    S   T   W      U
1   A   B   0   Undirected
2   A   C   1   Undirected
3   B   A   0   Undirected
5   B   C   1   Undirected
6   C   A   1   Undirected …

原始数据：orginal_table

MID STATE CALL_TIME         RECORD_RANK
a   1    2020-12-18 09:00:00        1
a   2    2020-12-19 09:00:00        2
b   1    2020-12-18 09:00:02        1
c   1    2020-12-18 09:00:03        1
c   1    2020-12-19 09:00:03        2
c   1    2020-12-20 09:00:03        3
d   1    2020-12-19 09:00:00        1

我想插入的数据：insert_table

   MID  STATE      CALL_TIME  
   a    2     2020-12-30 09:00:00      
   b    2     2020-12-19 09:00:02   
   c    1     2020-12-21 09:00:03 
   e    1     2020-12-30 09:00:00 
   f    1     2020-12-30 09:00:00 
   f    2     2020-12-31 09:00:00

目标

• 原始数据将从第二个数据插入。
• 对于原始数据和插入数据，该对MID and CALL_TIME是唯一的。
• RECORD_RANK插入的数据中没有列，但RECORD_RANK会根据MID …

输入

df=pd.DataFrame({'Name':['JOHN','ALLEN','BOB','NIKI','CHARLIE','CHANG'],
              'Age':[35,42,63,29,47,51],
              'Salary_in_1000':[100,93,78,120,64,115],
             'FT_Team':['STEELERS','SEAHAWKS','FALCONS','FALCONS','PATRIOTS','STEELERS']})


n1=(df['Age']< 60)
n2=(df['Salary_in_1000']>=100) 
n3=(df['FT_Team'].str.startswith('S'))

使用这些条件进行选择，它将返回 JOHN 和 CHANG。

目标

我想创建未选择数据的数据框和一个返回不期望条件的新列。例如，

* ALLEN: n1, n2
* BOB: n2,n3
* NIKI: n3
* CHANG: n2,n3

新列名称为reason. 值是条件变量，类型是字符串。

尝试

我必须尝试每个条件并手动记录每个变量违反哪些规则。

df

   ts_code    type  close\n\n  0 861001.TI   1   648.399\n  1 861001.TI   20  588.574\n  2 861001.TI   30  621.926\n  3 861001.TI   60  760.623\n  4 861001.TI   90  682.313\n  ...   ... ... ...\n  8328  885933.TI   5   1083.141\n  8329  885934.TI   1   951.493\n  8330  885934.TI   5   1011.346\n  8331  885935.TI   1   1086.558\n  8332  885935.TI   5   1028.449\n

目标

ts_code    l5d_close l20d_close \xe2\x80\xa6\xe2\x80\xa6 l90d_close\n861001.TI   NaN       1.10          0.95\n\xe2\x80\xa6\xe2\x80\xa6           \xe2\x80\xa6\xe2\x80\xa6       \xe2\x80\xa6\xe2\x80\xa6            \xe2\x80\xa6\xe2\x80\xa6\n

我想 groupbyts_code来计算closeof type(1)/the closeof type(N:5,20,30\xe2\x80\xa6\xe2\x80\xa6)。861001.TI例如，为l5d_closenan，因为类型为5时没有值。 …

环境：

\n
• macOS 塞拉利昂 10.12.6
\n

原始输入（示例）：

.\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 f1.md\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 f2.md\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 f3.md\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 f4.txt\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 f5.csv\n\xe2\x94\x94\xe2\x94\x80\xe2\x94\x80 f6.doc\n\n0 directories, 6 files\n

在test文件夹中，有6个文件。

预期输出：

.\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 all.tar\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 f1.md\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 f2.md\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 f3.md\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 f4.txt\n\xe2\x94\x9c\xe2\x94\x80\xe2\x94\x80 f5.csv\n\xe2\x94\x94\xe2\x94\x80\xe2\x94\x80 f6.doc\n\n0 directories, 7 files\n

尝试与问题

tar -cvf all.tar f1.md f2.md f3.md f4.txt f5.csv f6.doc \n

虽然我用上面的方法得到了结果，但是我必须输入所有文件名和压缩文件名，这很不方便。例如，我可以选择所有文件并右键单击，然后选择压缩选项，而无需输入all.tar（我不介意 .tar 文件名。）

希望

命令行方法，无需输入具体文件名。

输入

l1=[1,3,5,6,7]
l2=[1,2,2,3,4]
l3=[5,4,3,2,1]
l4=[5,5,3,2,1]
l5=[1,2,3,4.1,3,2]
l6=[3,2,1,0.4,1,2,3]
l7=[1,2,10,4,8,9,2]
l8=[1,2,3,4,4,3,2,1]
l9=[-0.05701686,  0.57707936, -0.34602634, -0.02599778]
l10=[ 0.13556905,  0.45859   , -0.34602634, -0.09178798,  0.03044908]
l11=[-0.38643975, -0.09178798,  0.57707936, -0.05701686,  0.00649252]

注意：序列中的值是浮点数。

预期的

• 编写一个函数find_targeted_seq，该函数返回一个序列，无论是严格单调还是有一个双方都严格单调的转折点。例如，l1, l3, l5,l6是预期的。

尝试

• Pandas API 可以严格单调解决。，但我不知道如何解决有一个转折点，尤其是排除l8.

rawinput:

lst = ['a_app','a_bla','a_cat','b','c','d_d1','d_xe','d_c','e_1','e_2','f']

元素lst是字符串

预期结果:

new_lst = [['a_app','a_bla','a_cat'],'b','c',['d_d1','d_xe','d_c'],['e_1','e_2'],'f']

任何元素包括'_'将被分组到列表元素中,但是如果不同,它们的开始将被分组到不同的列表中,例如['a_app','a_bla','a_cat'], ['d_d1','d_xe','d_c'].

注意:新列表的顺序不会仅将包含"_"的压缩字符串更改为列表.