我目前正在尝试计算CSV文件列中的重复值,并将该值返回到python中的另一个CSV列中。
例如,我的CSV文件:
KeyID GeneralID
145258 KL456
145259 BG486
145260 HJ789
145261 KL456
Run Code Online (Sandbox Code Playgroud)
我要实现的是计算有多少数据相同,GeneralID然后将其插入新的CSV列。例如,
KeyID Total_GeneralID
145258 2
145259 1
145260 1
145261 2
Run Code Online (Sandbox Code Playgroud)
我试图使用split方法拆分每一列,但效果不是很好。
我的代码:
case_id_list_data = []
with open(file_path_1, "rU") as g:
for line in g:
case_id_list_data.append(line.split('\t'))
#print case_id_list_data[0][0] #the result is dissatisfying
#I'm stuck here..
Run Code Online (Sandbox Code Playgroud) 我正在尝试"递归地"计算pandas数据帧的列值.
假设存在两个不同日期的数据,每个数据有10个观察值,并且您想要计算一些变量r,其中只给出r的第一个值(每天),并且您想要计算剩余的2*9个条目,而每个后续值取决于在前一个r和一个额外的'同时'变量'x'上.
第一个问题是我想单独执行每一天的计算,即我想pandas.groupby()在我的所有计算中使用该函数...但是当我尝试将数据子集化并使用该shift(1)函数时,我只得到"NaN"项
data.groupby(data.index)['r'] = ( (1+data.groupby(data.index)['x']*0.25) * (1+data.groupby(data.index)['r'].shift(1)))
Run Code Online (Sandbox Code Playgroud)
对于我的第二种方法,我使用for循环来遍历索引(日期):
for i in range(2,21):
data[data['rank'] == i]['r'] = ( (1+data[data['rank'] == i]['x']*0.25) * (1+data[data['rank'] == i]['r'].shift(1))
Run Code Online (Sandbox Code Playgroud)
但是,这对我不起作用.有没有办法在DataFrames上执行这样的计算?也许像滚动申请?
数据:
df = pd.DataFrame({
'rank' : [1,2,3,4,5,6,7,8,9,10,1,2,3,4,5,6,7,8,9,10],
'x' : [0.00275,0.00285,0.0031,0.0036,0.0043,0.0052,0.0063,0.00755,0.00895,0.0105,0.0027,0.00285,0.0031,0.00355,0.00425,0.0051,0.00615,0.00735,0.00875,0.0103],
'r' : [0.00158,'NaN','NaN','NaN','NaN','NaN','NaN','NaN','NaN','NaN',0.001485,'NaN','NaN','NaN','NaN','NaN','NaN','NaN','NaN','NaN']
},index=['2014-01-02', '2014-01-02', '2014-01-02', '2014-01-02',
'2014-01-02', '2014-01-02', '2014-01-02', '2014-01-02',
'2014-01-02', '2014-01-02', '2014-01-03', '2014-01-03',
'2014-01-03', '2014-01-03', '2014-01-03', '2014-01-03',
'2014-01-03', '2014-01-03', '2014-01-03', '2014-01-03'])
Run Code Online (Sandbox Code Playgroud) 如果我click.group()有多个子命令,有没有办法可以将命令行参数传递给组内的子命令?
我知道你可以从组中向下通过context,我知道我可以使用callback在命令之前执行的函数,但我不知道是否有更好的方法来执行此操作而不是使用callback.
一个例子:
@click.group()
def cli():
pass
@cli.command()
@click.argument('task')
@click.argument('task_id')
def sync(task, task_id):
click.echo('Synching: {}'.format(task))
Run Code Online (Sandbox Code Playgroud)
在这个例子中,有没有办法获得task或task_id在组方法?
我在本地模块中使用click并且我想调整帮助的显示方式:
当前输出--help:
Usage: __main__.py [OPTIONS] COMMAND [ARGS]...
Options:
--help Show this message and exit.
Commands:
foo Foo is a program very nice and pretty...
Run Code Online (Sandbox Code Playgroud)
默认情况下,prog名称为__main__.py并且文本被修剪为 78 个字符。
我发现这可以使用HelpFormatter类进行调整。但我不知道如何在这种情况下使用它。
当前代码:
import click
@click.group()
def main(ctx):
pass
@main.command()
def foo():
pass
click.CommandCollection(sources=[main])()
Run Code Online (Sandbox Code Playgroud)
预期输出:
Usage: my_module_name [OPTIONS] COMMAND [ARGS]...
Options:
--help Show this message and exit.
Commands:
foo Foo is a program very nice and pretty and this sentence is very long.
Run Code Online (Sandbox Code Playgroud) 我正在尝试使用Python库Click,但是很难使示例工作。我定义了两组,其中一组(group2)用于处理该组命令的通用参数。我想要实现的是那些通用参数由组函数(group2)处理并分配给上下文变量,因此它们可以由实际命令使用。
一个用例是许多需要用户名和密码的命令,而有些则不需要(甚至不是可选的)。
这是代码
import click
@click.group()
@click.pass_context
def group1(ctx):
pass
@click.group()
@click.option('--optparam', default=None, type=str)
@click.option('--optparam2', default=None, type=str)
@click.pass_context
def group2(ctx, optparam):
print 'in group2', optparam
ctx['foo'] = create_foo_by_processing_params(optparam, optparam2)
@group2.command()
@click.pass_context
def command2a(ctx):
print 'command2a', ctx['foo']
@group2.command()
@click.option('--another-param', default=None, type=str)
@click.pass_context
def command2b(ctx, another_param):
print 'command2b', ctx['foo'], another_param
# many more more commands here...
# @group2.command()
# def command2x():
# ...
@group1.command()
@click.argument('argument1')
@click.option('--option1')
def command1(argument1, option1):
print 'In command2', argument1, option1
cli = …Run Code Online (Sandbox Code Playgroud) 我想df1.Name根据(df2.Name1, df2.Name2). 然而,并不是所有的值都df1.Name存在于df2.Name1
Name
Alex
Maria
Marias
Pandas
Coala
Run Code Online (Sandbox Code Playgroud)
Name1 Name2
Alex Alexs
Marias Maria
Coala Coalas
Run Code Online (Sandbox Code Playgroud)
Name
Alexs
Maria
Maria
Pandas
Coalas
Run Code Online (Sandbox Code Playgroud)
我在网上尝试了几种解决方案,例如使用地图功能。通过上交df2我正在使用的字典df1.Name = df1.Name.map(Dictionary),但这将导致nan所有值不符合df2以下要求。
Name
Alexs
Maria
Maria
NAN
Coalas
Run Code Online (Sandbox Code Playgroud)
我不确定如何使用 IF 语句仅替换 df2 中确实存在的语句,并将其余语句保留为 df1。我也尝试用if语句创建一个函数,但失败了。
我该如何解决这个问题?
我想实现一个功能的"添加",结合列表L1与L2到L3:
def add(L1,L2,L3):
L3 = L1 + L2
L3 = []
add([1],[0],L3)
print L3
Run Code Online (Sandbox Code Playgroud)
上面的代码生成一个空列表而不是[1,0]- 这意味着L3没有通过引用传递.
如何L3通过参考传递?
我在Python中使用此语句
jsonreq = json.dumps({'jsonrpc': '2.0', 'id': 'qwer', 'method': 'aria2.pauseAll'})
jsonreq = jsonreq.encode('ascii')
c = urllib.request.urlopen('http://localhost:6800/jsonrpc', jsonreq)
Run Code Online (Sandbox Code Playgroud)
在执行代码质量测试时,我收到此警告/错误
为允许的方案打开审核URL。经常允许使用“ file:”或自定义方案。
最终,我想计算从每个日期到该月最后一天的天数df['start'],并用结果填充该'count'列。
作为实现该目标的第一步,该calendar.monthrange
方法采用(年、月)参数并返回(第一个工作日、天数)元组。
将函数应用于数据框或系列对象似乎存在一个普遍错误。我想了解为什么这不起作用。
import numpy as np
import pandas as pd
import calendar
def last_day(row):
return calendar.monthrange(row['start'].dt.year, row['start'].dt.month)
Run Code Online (Sandbox Code Playgroud)
此行引发 AttributeError:“Timestamp 对象没有属性 'dt'”:
df['count'] = df.apply(last_day, axis=1)
Run Code Online (Sandbox Code Playgroud)
这就是我的数据框的样子:
start count
0 2016-02-15 NaN
1 2016-02-20 NaN
2 2016-04-23 NaN
df.dtypes
start datetime64[ns]
count float64
dtype: object
Run Code Online (Sandbox Code Playgroud) 我想传递一个方法作为参数,将从另一个python文件调用此方法,如下所示:
def abc():
return 'success.'
Run Code Online (Sandbox Code Playgroud)
import file2
def call_method(method_name):
#Here the method_name passed will be a method to be called from file2.py
return file2.method_name()
print(call_method(abc))
Run Code Online (Sandbox Code Playgroud)
我期待的是回归 success.
如果在同一个文件(main.py)中调用方法,我注意到它是可行的.但是,对于上述情况,它涉及传递从另一个文件调用的参数,我该怎么做?
python ×10
pandas ×3
python-click ×3
dataframe ×2
codacy ×1
csv ×1
dictionary ×1
matching ×1
pytest ×1
python-2.x ×1
python-3.x ×1