小编Mar*_*ary的帖子

我有一个具有以下格式的文本文件：

1: frack 0.733, shale 0.700, 
10: space 0.645, station 0.327, nasa 0.258, 
4: celebr 0.262, bahar 0.345 

我需要将此文本转换为以下格式的DataFrame：

Id   Term    weight
1    frack   0.733
1    shale   0.700
10   space   0.645
10   station 0.327
10   nasa    0.258
4    celebr  0.262
4    bahar   0.345

我该怎么办？

这是我的数据框

index     duration 
1           7 year   
2           2day
3           4 week
4           8 month

我需要将数字与时间分开并将它们放在两个新列中。输出是这样的：

index     duration         number     time
1           7 year          7         year
2           2day            2         day
3           4 week          4        week
4           8 month         8         month

这是我的代码：

df ['numer'] = df.duration.replace(r'\d.*' , r'\d', regex=True, inplace = True)
df [ 'time']= df.duration.replace (r'\.w.+',r'\w.+', regex=True, inplace = True )

但它不起作用。有什么建议吗？

我还需要根据时间列的值创建另一列。所以新的数据集是这样的：

 index     duration         number     time      time_days
    1           7 year          7         year       365
    2           2day            2         day         1
    3           4 week …

下面是两个数据框： 数据框A：

index  codes     
1        A      
2        B    
3        C
4        D

数据框 B

index    cym
1         A
2         L
3         F
4         B
5         N
6         X

A 和 B 的长度不相等。我想比较列“代码”（数据框 A）与列“cym”（数据框 B）并返回这两列之间的差异加上数据框 B 索引列中的数据。输出是这样的：

index    cym
2        L
3        F
5        N
6        X

我尝试使用 merge 和 equals 函数来解决它。但我无法生成输出。

以下是数据框的子集:

id  words  A   B   C   D  E  
1   new    1       1   
2   good   1  
3   star            1
4   never                  
5   final   

我想将一个新变量(称为FF)定义为一个新列,并为其分配1,如果所有其他变量(列)的值都为"null".新数据框将如下所示:

id  words  A   B   C   D  E  FF
1   new    1       1   
2   good   1  
3   star            1
4   never                     1                
5   final                     1

我怎么能用python和Pandas做到这一点？谢谢.

我有以下数据集.

我有以下数据集.如您所见,A,B,D和R列中的某些值缺失.我将使用前一行中的精确值替换值.例如,在第4行中,缺少B列和R列的值,我需要用前一列中的21和2替换它们.

  A   B        D        R        sentence              ADR1         ADR2     
 135 21  EffexorXR.21    1    lack of good feeling.     good        feeling
                                                          0              0
 136 21  EffexorXR.21    2    Feel disconnected        disconnected   feel    
 136     EffexorXR.21                                     0            0
 142 22  EffexorXR.22    1    Weight gain               gain         
 142                     1                                1    

最终的出局是这样的:

  A  B          D        R        sentence              ADR1         ADR2     
 135 21  EffexorXR.21    1    lack of good feeling.     good        feeling
 135 21  EffexorXR.21    1                               1             0
 136 21  EffexorXR.21    2    Feel disconnected        disconnected   feel    
 136 21  EffexorXR.21    2                                 0 …

对于这部分html代码：

html3= """<a name="definition"> </a>
<h2><span class="sectioncount">3.342.2323</span> Content Logical Definition <a title="link to here" class="self-link" href="valueset-investigation"><img src="ta.png"/></a></h2>
<hr/>
<div><p from the following </p><ul><li>Include these codes as defined in http://snomed.info/sct<table><tr><td><b>Code</b></td><td><b>Display</b></td></tr><tr><td>34353553</td><td>Examination / signs</td><td/></tr><tr><td>35453453453</td><td>History/symptoms</td><td/></tr></table></li></ul></div>
<p> </p>"""

我将使用 beautifulsoup 来查找 h2 ，其文本等于“内容逻辑定义”和下一个兄弟姐妹。但是beautifulsoup找不到h2。以下是我的代码：

soup = BeautifulSoup(html3, "lxml")
f= soup.find("h2", text = "Content Logical Definition").nextsibilings

这是一个错误：

AttributeError: 'NoneType' object has no attribute 'nextsibilings'

文本中有几个“h2”，但唯一使这个h2独特的字符是“内容逻辑定义”。找到这个 h2 后，我将从表中提取数据并在其下方列出。

这是数据框的子集:

index  id   drug   sentences     SS1   SS2
1      2    lex     very bad      0     1
2      3    gym     very nice     1     1
3      7    effex   hard          1     0 
4      8    cymba   poor          1     1

我想找到SS1和SS2不同的行,然后根据它创建一个新的数据帧.输出应该是这样的:

index  id   drug   sentences     SS1   SS2
1      2    lex     very bad      0     1
3      7    effex   hard          1     0 

这是我的代码:

df [['index','id', 'drug', 'sentences', 'SS1', 'SS2' ]] = np.where(df.SS1 != df.SS2)

但它有以下错误: ValueError: Must have equal len keys and value when setting with an ndarray

有什么建议吗？

我正在尝试使用以下数据集创建字典:

id  value
1   a
1   b
1   c
2   e
2   f
2   g
3   h
3   g
3   l

输出应该是这样的

{1: [a,b,c], 2:[e, f, g], 3: [h, g, l]} 

我知道有关如何创建字典的一些参考,但它们都没有提供这样的输出.

谢谢.

我有一个这样的列表:

a = [c0001203, c0334, c0000456, c034554, c00034506].我需要在'c'之后删除'c'和全0,直到数据以数字开头.每个数据的长度是可变的.输出应该是这样的:

a = [1203, 334, 456, 34506].如何在不使用正则表达式的情况下完成？

谢谢.

我知道如何使用带有填充或填充的groupby方法来估算缺少的值。但是我的问题是，我需要首先在“日期”列中找到与“得分”列中的空值最接近的日期，如果分数列中的值不为空，则用该值进行插补。如果该值为空，则需要搜索另一个最近的日期。我可以遍历行并执行此操作，但是速度非常慢。

这是数据的示例：

df = pd.DataFrame(
     {'cn': [1, 1, 1, 1, 2, 2, 2], 
      'date': ['01/10/2017', '02/09/2016', '02/10/2016','01/20/2017', '05/15/2019', '02/10/2016', '02/10/2017'],
      'score': [np.nan, np.nan, 6, 5, 4, np.nan, 8]})

    cn  date    score
0   1   01/10/2017  NaN
1   1   02/09/2016  NaN
2   1   02/10/2016  6
3   1   01/20/2017  5
4   2   05/15/2019  4
5   2   02/10/2016  NaN
6   2   02/10/2017  8.0

输出应该是

    cn  date    score
0   1   01/10/2017  5
1   1   02/09/2016  6
2   1   02/10/2016  6
3   1   01/20/2017  5
4 …