小编Use*_*rR6的帖子

从每个组中减去组特定值

我在pandas中有一个数据框,其中包含我想要分组的信息.从每个组中,我想从该组中的整个列中减去某列的第一个值.然后应将这些值作为附加列添加到数据框中.我的初始数据框的一个示例:

              time    sample   x     y     mass 

              3       1.0     216    12    12
              4       1.0     218    13    12
              5       1.0     217    12    12
              6       1.0     234    13    13
              1       2.0     361    289   23
              2       2.0     362    287   22
              3       2.0     362    286   22
              5       3.0     124    56    18
              6       3.0     126    52    17
Run Code Online (Sandbox Code Playgroud)

结果我想要的是:

       sample   time      x     y     mass   xdiff

       1.0       3       216    12    12     0
       1.0       4       218    13    12     2
       1.0       5       217    12    12     1
       1.0       6       214    13 …
Run Code Online (Sandbox Code Playgroud)

python dataframe pandas

5
推荐指数
1
解决办法
1194
查看次数

在seaborn displot/histplot函数(不是distplot)中绘制适合直方图的高斯图

我决定试一试seaborn 0.11.0 版!据我所知,使用将替换 distplot 的 displot 函数。我只是想弄清楚如何将高斯拟合绘制到直方图上。这是一些示例代码。

import seaborn as sns
import numpy as np
x = np.random.normal(size=500) * 0.1
Run Code Online (Sandbox Code Playgroud)

使用 distplot 我可以做到:

sns.distplot(x, kde=False, fit=norm)
Run Code Online (Sandbox Code Playgroud)

在此处输入图片说明

但是如何在 displot 或 histplot 中进行呢?

python plot gaussian data-fitting seaborn

5
推荐指数
3
解决办法
1430
查看次数

计算pandas数据帧中最近邻居的平均距离

随着时间的推移,我有一组对象及其位置。我想获得每辆车与其最近邻居之间的距离,并计算每个时间点的平均值。示例数据框如下:

 time = [0, 0, 0, 1, 1, 2, 2]
 x = [216, 218, 217, 280, 290, 130, 132]
 y = [13, 12, 12, 110, 109, 3, 56]
 car = [1, 2, 3, 1, 3, 4, 5]
 df = pd.DataFrame({'time': time, 'x': x, 'y': y, 'car': car})
 df

         x       y      car
 time
  0     216     13       1
  0     218     12       2
  0     217     12       3
  1     280     110      1
  1     290     109      3
  2     130     3        4
  2     132     56       5 …
Run Code Online (Sandbox Code Playgroud)

python euclidean-distance dataframe pandas

3
推荐指数
2
解决办法
2661
查看次数