小编cpt*_*hon的帖子

有没有办法通过循环读取多个csv文件到Pandas并定义它们？

for i in ['a', 'b', 'c', 'd']:
    csv_(i) = pd.read_csv('C:/test_{}.csv'.format(i))

我看到有关读取和将多个csv附加到单个数据帧中的多个问题.不是相反.

在我的工作流程中，有多个带有四列的 CSV OID, value, count, unique_id。我想弄清楚如何在unique_id列下生成增量值。使用apply()，我可以做一些类似的事情df.apply(lambda x : x + 1) #where x = 0，它会导致所有的值都unique_id为 1。但是，我对如何使用apply()在特定列的每一行中生成增量值感到困惑。

# Current Dataframe 
   OID  Value  Count  unique_id
0   -1      1      5          0
1   -1      2     46          0
2   -1      3     32          0
3   -1      4      3          0
4   -1      5     17          0

# Trying to accomplish
   OID  Value  Count  unique_id
0   -1      1      5          0
1   -1      2     46          1
2   -1      3 …

我有一个调用多个 R 脚本的 python 脚本，到目前为止我可以成功传递单个和多个变量，要求 R 读取并执行它。我当前的方法非常粗糙，仅在传递字符串时有效，而在传递数字时失败。有没有一种有效的方法来完成这项任务？

#### Python Code
import subprocess

def rscript():
    r_path = "C:/.../R/R-3.3.2/bin/x64/Rscript"
    script = "C:/.../test.R" 

    #The separators are not recognized in R script so commas are added for splitting text
    a_list = ["C:/SomeFolder,", "abc,", "25"] 

    subprocess.call ([r_path, script, a_list], shell = True)
    print 'Script Complete'

#Execute R Function
rscript()

#### R Code
options(echo=TRUE)
args <- commandArgs(trailingOnly = TRUE)

print(args)

args1 <- strsplit(args,",") #split the string argument with ','
args1 <- as.data.frame(args1)

print(args1)

path <- as.character(args1[1,]) …

我的样本df有四个带有NaN值的列。目标是连接所有行，同时排除NaN值。

import pandas as pd
import numpy as np

df = pd.DataFrame({'keywords_0':["a", np.nan, "c"], 
                'keywords_1':["d", "e", np.nan],
                'keywords_2':[np.nan, np.nan, "b"],
                'keywords_3':["f", np.nan, "g"]})

  keywords_0 keywords_1 keywords_2 keywords_3
0          a          d        NaN          f
1        NaN          e        NaN        NaN
2          c        NaN          b          g

想要完成以下任务：

  keywords_0 keywords_1 keywords_2 keywords_3 keywords_all
0          a          d        NaN          f        a,d,f
1        NaN          e        NaN        NaN            e
2          c        NaN          b          g        c,b,g

伪代码：

cols = [df.keywords_0, df.keywords_1, df.keywords_2, df.keywords_3]

df["keywords_all"] = df["keywords_all"].apply(lambda …