小编Ant*_*vBR的帖子

namedtuple和NamedTuple有什么区别?

typing模块的文件说,下面的两段代码是等效的.

from typing import NamedTuple

class Employee(NamedTuple):
    name: str
    id: int
Run Code Online (Sandbox Code Playgroud)

from collections import namedtuple

Employee = namedtuple('Employee', ['name', 'id'])
Run Code Online (Sandbox Code Playgroud)

它们是完全相同的,如果不是,两个实现之间有什么区别?

python python-3.x

41
推荐指数
1
解决办法
2451
查看次数

如何基于连续索引拆分数据帧?

我有一个具有非连续索引的数据帧“工作”,这里是一个示例:

Index Column1 Column2
4464  10.5    12.7
4465  11.3    12.8
4466  10.3    22.8
5123  11.3    21.8
5124  10.6    22.4
5323  18.6    23.5
Run Code Online (Sandbox Code Playgroud)

我需要从此数据框中提取仅包含索引连续的行的新数据框,因此在这种情况下,我的目标是获取

DF_1.index=[4464,4465,4466]
DF_2.index=[5123,5124]
DF_3.index=[5323]
Run Code Online (Sandbox Code Playgroud)

维护所有列。

谁能帮我?谢谢!

python dataframe pandas

5
推荐指数
2
解决办法
156
查看次数

熊猫 to_datetime() 没有检测到列

我有三列(h1、h2、h3)分别代表日、月和年,例如

import pandas as pd

df = pd.DataFrame({
    'h1': [1,2,3],
    'h2': [1,2,3],
    'h3': [2000,2001,2002]
})
Run Code Online (Sandbox Code Playgroud)

当我执行:

pd.to_datetime(df[['h1', 'h2', 'h3']])
Run Code Online (Sandbox Code Playgroud)

这导致错误:ValueError: to assemble mappings requires at least that [year, month, day] be specified: [day,month,year] is missing 但是当我重命名列然后执行 pd.to_datetime 例如

df=df.rename(columns ={'h1':'day', 'h2':'month', 'h3': 'year'})
df["date_col"] =pd.to_datetime(df[['day','month','year']])
Run Code Online (Sandbox Code Playgroud)

在上面我得到了年份栏,我们必须这样做吗?或者是否可以提供一种格式,以便可以分别将列检测为日、月、年?谢谢。

python pandas

3
推荐指数
1
解决办法
350
查看次数

等待两个或更多文件通过Papa Parse加载

我在这里两次使用此功能来加载csv数据:http : //papaparse.com/

Papa.parse("http://example.com/file.csv", {
    download: true,
    complete: function(results) {
        console.log(results);
    }
});
Run Code Online (Sandbox Code Playgroud)

当两个文件都准备好时,我想执行另一个函数,这取决于两个文件的结果。我正在用标记样式化地图。

我想到了JavaScript Promises。有人可以帮我看看如果有2个csv文件/ url,情况会如何?

目前,我已激活以下库:

Jquery 3.2.1
Papa Parse 4
Run Code Online (Sandbox Code Playgroud)

最后,我知道:如何在PapaParse中使用Promises? 但是我不知道将代码放置在2个或更多文件中的位置。

javascript csv jquery papaparse

1
推荐指数
1
解决办法
1107
查看次数

将假人值列合并为一列(pd.get_dummies反向)

我有一个像这样的Pandas DataFrame:

id     Apple   Apricot   Banana    Climentine   Orange    Pear    Pineapple
01       1        1         0          0          0         0         0    
02       0        0         1          1          1         1         0 
03       0        0         0          0          1         0         1
Run Code Online (Sandbox Code Playgroud)

我如何生成这样的新DataFrame?

id     fruits
01     Apple, Apricot
02     Banana, Clementine, Orange, Pear
03     Orange, Pineapple
Run Code Online (Sandbox Code Playgroud)

python numpy pandas

1
推荐指数
1
解决办法
308
查看次数

按不同的开始和结束分隔符拆分字符串

我有一个日志,其中包含来自具有给定缓冲区长度的TCP端口的数据.每个事件都有一个可变长度,它由<+++>和<--->分隔.

例:

s = '<+++>A1 , Some Text, Other Text=12327463, Some Other Text<---> 
<+++>A2, Some Text, IP=0.0.0.0, DateTime=12/07/2018 <---> <+++> A3, Some Text, Other Text=12327463, Some Other Text,
Text<---><+++>A3, New Text, IP=0.0.0.0, DateTime=12/07/2018, Text3Text3Text3, Text3Text3Text3, Text3Text3Text3,
Text3Text3Text3<--->Text4Text4Text4Text4Text4Text4Text4Text4Text4Text4Text4Text4Text4Text4Text4 
Text4<---><+++>Text5Text5Text5Text5Text5Text5Text5Text5<---><+++>Text6Text6Text6Text6Text6Text6Text6Text6Text6<--->'
Run Code Online (Sandbox Code Playgroud)

我需要拆分它,以便每个事件都是列表的元素 - 像这样:

['A1 , Some Text, Other Text=12327463, Some Other Text' , 'A2, Some Text, IP=0.0.0.0, DateTime=12/07/2018', 'A3, Some Text, Other Text=12327463, Some Other Text']
Text']
Run Code Online (Sandbox Code Playgroud)

你会如何用Python做到这一点?

python

1
推荐指数
1
解决办法
246
查看次数

如何从Python字符串中删除括号内的文本?

我试图删除括号和这些括号中的文本,以及连字符.一些字符串示例如下所示:
example = 'Year 1.2 Q4.1 (Section 1.5 Report (#222))'
example2 = 'Year 2-7 Q4.8 - Data markets and phases' ##there are two hyphens

我希望结果如下:

example = 'Year 1.2 Q4.1'  
example2 = 'Year 2-7 Q4.8'  
Run Code Online (Sandbox Code Playgroud)

如何删除位于括号和特殊字符内或之后的文本?我只能找到str.strip()方法.我是Python新手,所以非常感谢任何反馈!

python regex python-3.x

-1
推荐指数
1
解决办法
871
查看次数

标签 统计

python ×6

pandas ×3

python-3.x ×2

csv ×1

dataframe ×1

javascript ×1

jquery ×1

numpy ×1

papaparse ×1

regex ×1