小编max*_*max的帖子

我有一个像这样的熊猫数据帧：

subject bool Count
1   False   329232  
1   True    73896   
2   False   268338  
2   True    76424   
3   False   186167  
3   True    27078   
4   False   172417  
4   True    113268  

我想Count变成每个科目组的百分比。例如，第 1 行是329232 / (329232 + 73896) = 0.816，第 2 行是73896/ (329232 + 73896) = 0.183。然后，第 2 组的总数将发生变化，依此类推。

这可以通过 groupby 来完成吗？我尝试遍历行但收效甚微。

我有一个水平条形图，例如，seaborn 文档中示例的简化版本：https ://seaborn.pydata.org/examples/horizo​​ntal_barplot.html

import seaborn as sns
import matplotlib.pyplot as plt

f, ax = plt.subplots(figsize=(6, 15))

crashes = sns.load_dataset("car_crashes").sort_values("total", ascending=False)

sns.barplot(x="total", y="abbrev", data=crashes,
            label="Total", color="b")

ax.set(xlim=(0, 24), ylabel="",
       xlabel="Automobile collisions per billion miles")


plt.show()

如何获得标有每个条形值的条形？

我为垂直条尝试了这种方法（如何在 seaborn 的条上添加百分比？），但它似乎不起作用。将高度更改为宽度不会产生我认为的效果。

for p in ax.patches:
    height = p.get_width()
    ax.text(p.get_y()+p.get_height()/2.,
            height + 3,
            '{:1.2f}'.format(height),
            ha="center")

我假设水平图的工作方式不同？

我想按组删除基于百分位 99 值的异常值。

 import pandas as pd
 df = pd.DataFrame({'Group': ['A','A','A','B','B','B','B'], 'count': [1.1,11.2,1.1,3.3,3.40,3.3,100.0]})

在输出中，我想从 A 组中删除 11.2，从 b 组中删除 100。所以在最终数据集中只有 5 个观察值。

wantdf = pd.DataFrame({'Group': ['A','A','B','B','B'], 'count': [1.1,1.1,3.3,3.40,3.3]})

我试过这个，但我没有得到想要的结果

df[df.groupby("Group")['count'].transform(lambda x : (x<x.quantile(0.99))&(x>(x.quantile(0.01)))).eq(1)]

我正在处理本示例中的代码，并对其进行了一些修改：

https://altair-viz.github.io/gallery/layered_heatmap_text.html

我试图弄清楚为什么当我尝试进入列时我的代码会中断。

# Import data
import altair as alt
from vega_datasets import data

source = data.cars()

# Configure common options
base = alt.Chart(source)
scale = alt.Scale(paddingInner=0)

原始版本运行良好：

# Configure heatmap
heatmap = base.mark_rect().encode(
    alt.X('Cylinders:O', scale=scale),
    alt.Y('Year:O', scale=scale),
    color='count()'
)

# Configure text
text = base.mark_text(baseline='middle').encode(
    x='Cylinders:O',
    y='Year:O',
    text='count()',
    color=alt.value('white')
)

# Draw the chart
heatmap+text

现在我想谈谈Origin。分别显示heatmap和text单独显示时，下面的代码有效，但是当我将它们组合使用时，会出现错误。

# Configure heatmap
heatmap = base.mark_rect().encode(
    alt.X('Cylinders:O', scale=scale),
    alt.Y('Year:O', scale=scale),
    color='count()',
    column = 'Origin'
)

# Configure …

我将使用内置chickwts数据作为示例。

这是数据，有 5 种提要类型。

> head(chickwts)

  weight      feed
1    179 horsebean
2    160 horsebean
3    136 horsebean
4    227 horsebean
5    217 horsebean
6    168 horsebean

> table(chickwts$feed)

   casein horsebean   linseed  meatmeal   soybean sunflower 
       12        10        12        11        14        12 

我想要的是每种饲料类型按重量计算的前几行。但是，对于每种 Feed 类型我都需要不同的编号吗？例如，

top_n_feed <-
  c(
    "casein" = 3,
    "horsebean" = 5,
    "linseed" = 3,
    "meatmeal" = 6,
    "soybean" = 3,
    "sunflower" = 2
  )

我怎样才能做到这一点dplyr？

要按n重量获得每种提要类型的顶行，我可以使用如下代码，但我不确定如何将其扩展到每种提要类型的不同数字。

chickwts %>%
  group_by(feed) %>% 
  slice_max(order_by = weight, …

假设我有一个数据框：

df <- tibble(x=c(1,2,3),
             y=c(4,5,6),
             z=c(7,8,9))

# A tibble: 3 x 3
      x     y     z
  <dbl> <dbl> <dbl>
1     1     4     7
2     2     5     8
3     3     6     9

如何将数据框转换为列表列表，其中每个列表都对有关每一行的信息进行编码，如下所示：

list(list(x=1, y=4, z=7),
     list(x=2, y=5, z=8),
     list(x=3, y=6, z=9))

注意：我在下面的回答中对迄今为止介绍的所有方法进行了基准测试。

我想用 绘制values_counts()方法的结果seaborn，但是当我这样做时，它只显示其中一个变量。

df = pd.DataFrame({"A":['b','b','a','c','c','c'],"B":['a','a','a','c','b','d']})
counts = df.A.value_counts()
sns.barplot(counts)

我想要一个显示高度的条形图 'a' = 1, 'b' = 2, 'c' = 3

我试图重新命名指数和传递x和y参数，但我不能”得到它的工作。

我的代码在这里很糟糕,是否有改进它的pythonic方法？

我有三套:

set1 = {1,2,3}
set2 = {2,3,4}
set3 = {4,5,6}

和一个组合集

combined = set1 | set2 | set3

我需要一个dict来返回是否每个都设置了一个数字.

例如

d[2] = {'set1':True, 'set2':True, 'set3':False}

我的代码是这样的:

def in_set(num):
    d = {}
    if num in set1:
        d['set1'] = True
    else:
        d['set1'] = False

    if num in set2:
        d['set2'] = True
    else:
        d['set2'] = False

    if num in set3:
        d['set3'] = True
    else:
        d['set3'] = False

    return d

我经常使用如下所示的模式，我将数据存储在tibbleusing 列表列中，使用 将函数应用于数据purrr::map，然后使用pivot_longer转换为整洁格式（长）。

是否有一种更清洁/更惯用的方法可以一步完成此操作，而不必每次都对数据进行透视？

library(tidyverse)

df <- tibble(n = 5:10)

df$data <- map(df$n, ~rnorm(.x))
df$mean <- map_dbl(df$data, ~mean(.x))
df$median <- map_dbl(df$data, ~median(.x))

# A tibble: 6 x 4
      n data          mean  median
  <int> <list>       <dbl>   <dbl>
1     5 <dbl [5]>  -0.0239 -0.324 
2     6 <dbl [6]>  -0.396   0.0153
3     7 <dbl [7]>   0.506   0.711 
4     8 <dbl [8]>   0.463   0.537 
5     9 <dbl [9]>  -0.248  -0.555 
6    10 <dbl [10]> -0.153  -0.293 

df <- …

这是我的数据帧:

df = pd.DataFrame([['a',1],['a',1],['a',1],['a',2],['b',2],['b',2],['c',3]], columns=['letters','numbers'])

    letters numbers
0   a   1
1   a   1
2   a   1
3   a   2
4   b   2
5   b   2
6   c   3

我需要按组('字母')'数字'中唯一值的数量.所以输出就是

a 2
b 1
c 1

这是我(非常丑陋)的解决方案.它有效,但任何人都可以帮我找到更多的Pythonic方法pandas吗？

result = []
groups = list(df['letters'].unique())
for g in groups:

    filtered_df = df[df['letters'] == g]

    uniques = len(filtered_df['numbers'].unique())
    result.append((g, uniques))

[('a', 2), ('b', 1), ('c', 1)]