小编Nic*_*eli的帖子

我想为Seaborn生成的因子图添加数据标签.这是一个例子:

import pandas as pd
from pandas import Series, DataFrame
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

titanic_df = pd.read_csv('train.csv')
sns.factorplot('Sex',data=titanic_df,kind='count')

如何将"计数"值添加到图表上每个条形的顶部？

我在不同的运行中获得了不同的值...在这里我做错了什么：

X=np.random.random((100,5))
y=np.random.randint(0,2,(100,))
clf=RandomForestClassifier()
cv = StratifiedKFold(y, random_state=1)
s = cross_val_score(clf, X,y,scoring='roc_auc', cv=cv)
print(s)
# [ 0.42321429  0.44360902  0.34398496]
s = cross_val_score(clf, X,y,scoring='roc_auc', cv=cv)
print(s)
# [ 0.42678571  0.46804511  0.36090226]

我有字符串列表.如果任何字符串包含'#'字符,那么我想提取字符串的第一部分,并仅从字符串的这一部分获取字标记的频率计数.即如果字符串是"第一个问题#在stackoverflow上" 预期令牌是"第一个","问题"

如果字符串不包含'#',则返回整个字符串的标记.

计算我在CountVectorizerscikit中使用的术语文档矩阵.

在下面找到我的代码:

class MyTokenizer(object):
    def __call__(self,s):
        if(s.find('#')==-1):
            return s
        else:
            return s.split('#')[0]
    def FindKmeans():
        text = ["first ques # on stackoverflow", "please help"]
        vec = CountVectorizer(tokenizer=MyTokenizer(), analyzer = 'word')
        pos_vector = vec.fit_transform(text).toarray()
        print(vec.get_feature_names())`

output : [u' ', u'a', u'e', u'f', u'h', u'i', u'l', u'p', u'q', u'r', u's', u't', u'u']

Expected Output : [u'first', u'ques', u'please', u'help']

如何更改色彩映射颜色方案以在点之外显示相同的颜色.

例如,这是我的色彩映射:

import palettable
cmap = palettable.colorbrewer.sequential.YlGn_9.mpl_colormap

如果我使用此色彩图绘制0到100的范围,我如何修改色彩图,使其超过50,它会变为红色？

我在数据集中有一列具有分类值，我想将它们转换为数值。我正在尝试使用 LabelEncoder，但这样做时出错。

from sklearn.preprocessing import LabelEncoder
m = hsp_train["Alley"]
m_enc = LabelEncoder()
j = m_enc.fit_transform(m)

我收到一个错误：

不可排序的类型：float() > str()

列中的系列有 3 个值。我希望它们分别为 0、1、2，但我收到了那个错误。

我也试过这个：

l = hsp_train["Alley"]
l_enc = pd.factorize(l)
hsp_train["Alley"] = l_enc[0]

但这给了我值 -1, 1, 2. 我不想要它从 1 开始。

当我使用熊猫时,我遇到了问题.我的任务是这样的:

df=pd.DataFrame([(1,2,3,4,5,6),(1,2,3,4,5,6),(1,2,3,4,5,6)],columns=['a','b','c','d','e','f'])
Out:
    a b c d e f
0   1 2 3 4 5 6
1   1 2 3 4 5 6 
2   1 2 3 4 5 6

我想要做的是输出数据框如下所示:

Out:
    s1   s2   s3
0   3    7    11
1   3    7    11
2   3    7    11

也就是说,分别对列(a,b),(c,d),(e,f)求和,并将结果列名重命名为(s1,s2,s3).任何人都可以帮助解决熊猫中的这个问题吗？非常感谢.

我有一个DataFrame

name   value
A       2
A       4
A       5
A       7
A       8
B       3
B       4
B       8
C       1
C       3
C       5 

我希望根据每个名称得到价值差异

name   value   dif
A       2      0
A       4      2
A       5      1
A       7      2
A       8      1
B       3      0
B       4      1
B       8      4
C       1      0
C       3      2
C       5      2

有人能告诉我最简单的方法吗？

在 matplotlib（特别是熊猫）中，如何将特定颜色映射到用于区分颜色的列的值？

假设我有一个专栏......

>> df["country"]
DE
EN
US
DE

...现在我想从 DataFrame 中绘制值，其中每个国家/地区的颜色都不同。如何确定哪个国家获得哪种颜色？带颜色图？不幸的是，我找不到合适的文档。

我想应用这样的字典：

# pseudo-code
colormapping = {"DE": "blue", ...}
df.plot(colorby="country", colormapping)

编辑：

这是一个示例数据帧。

    outlook   play  temperature country
0     sunny   True           25      DE
1     sunny   True           25      EN
2  overcast   True           19      DE
3      rain  False           21      US
4  overcast  False           33      IT
5      rain  False           27      EN
6      rain  False           22      FR
7  overcast   True           26      FR
8     sunny   True           13      FR
9     sunny   True           16      CH

我有一个看起来像的数据框：

lon        lat
-77.487    39.044
-77.487    39.044
-122.031   37.354
-77.487    39.044

我想将这些 lon-lat 配对与结果计数分组，如下所示：

lon        lat      count
-77.487    39.044   3
-122.031   37.354   1

我怎样才能做到这一点？该group()函数似乎只允许按一列分组。

我有以下数据框：

Company     Date                 Value
ABC         08/21/16 00:00:00    500
ABC         08/22/16 00:00:00    600
ABC         08/23/16 00:00:00    650
ABC         08/24/16 00:00:00    625
ABC         08/25/16 00:00:00    675
ABC         08/26/16 00:00:00    680

如果我们假设 2016 年 8 月 26 日是今天的日期，那么我想创建一个新的数据框，有效排除 08/26/16 行中的数据。

编辑： 这是我的代码：

today = time.strftime("%m/%d/%Y")
df.Date = df.Date <> today

不幸的是，我看到一条错误消息，指出：

'Series' object has no attribute 'Date'

知道如何解决这个问题吗？

谢谢！

解决方案：

today = time.strftime("%Y-%m-%d")

df = df.loc[(df.Date < today)]