小编Max*_*ime的帖子

我想取消透视具有 MultiIndex 列的 DataFrame，但我很难获得我想要的确切输出。我尝试了该函数的所有参数pd.melt()，但无法成功......

这是我的输入：

import pandas as pd
indexes = [['TC1', 'TC2'], ['x', 'z', 'Temp']]
data = pd.DataFrame(columns=pd.MultiIndex.from_product(indexes))

data.loc[0,('TC1', 'x')] = 10
data.loc[0,('TC1', 'z')] = 100
data.loc[0,('TC1', 'Temp')] = 250
data.loc[0,('TC2', 'x')] = 20
data.loc[0,('TC2', 'z')] = 200
data.loc[0,('TC2', 'Temp')] = 255

这是我想要的输出类型，“时间”列是数据索引

  Time   TC   x    z Temp
0    0  TC1  10  100  250
1    0  TC2  20  200  255

我的真实数据有更多的此类列TCx。有什么线索吗？

我想计算 SQLite 表中数据的移动平均值。我在 MySQL 中找到了几种方法，但在 SQLite 中找不到有效的方法。

在 SQL 中，我认为应该这样做（但是，我无法尝试...）：

SELECT date, value, 
avg(value) OVER (ORDER BY date ROWS BETWEEN 3 PRECEDING AND 3 FOLLOWING) as MovingAverageWindow7
FROM t ORDER BY date;

但是，我看到了两个缺点：

• 这似乎不适用于 sqlite
• 如果数据在前面/后面几行的几个日期不连续，它会在比我实际想要的更宽的窗口上计算移动平均值，因为它仅基于周围的行数。因此，应添加日期条件

实际上，我希望它计算每个日期的“价值”平均值，超过 +/-3 天（每周移动平均线）或 +/-15 天（每月移动平均线）

这是一个示例数据集：

CREATE TABLE t ( date DATE, value INTEGER );

INSERT INTO t (date, value) VALUES ('2018-02-01', 8);
INSERT INTO t (date, value) VALUES ('2018-02-02', 2);
INSERT INTO t (date, value) VALUES ('2018-02-05', 5);
INSERT INTO t (date, value) …

我正在阅读两种非常相似的 csv 文件。它们的长度大致相同，20 000 行。每条线代表每秒记录的参数。因此，第一列是时间戳。

• 在第一个文件中，模式如下：2018-09-24 15:38
• 在第二个文件中，模式如下：2018-09-24 03:38:06 PM

在这两种情况下，命令是相同的：

data = pd.read_csv(file)
data['Timestamp'] = pd.to_datetime(data['Timestamp'])

我检查两行的执行时间：

• pd.read 在这两种情况下同样有效
• 执行第二行代码需要大约 3 到 4 秒的时间

唯一的区别是日期模式。我不会怀疑。你知道为什么吗？你知道如何解决这个问题吗？

我想找到特定字典键具有特定值的所有行.不太清楚这样说,所以这里有一个例子:

data = [
    {'key1' : 'value1', 'key2' : 'value2'},
    {'key1' : 'value3', 'key2' : 'value4'},
    {'key1' : 'value1', 'key2' : 'value5'}
]

out = data['key1' == 'value1']['key2']

我想out等于['value2', 'value5'],但事实上它只返回第一个结果,即'value2'