小编Hri*_*hev的帖子

我有一个 200 列的 DF。它们中的大多数都带有 NaN。我想选择没有 NaN 或至少具有最小 NaN 的所有列。我试图用阈值或 notnull() 删除所有内容，但没有成功。有任何想法吗。

df.dropna(thresh=2, inplace=True)
df_notnull = df[df.notnull()]

DF例如：

col1  col2 col3
23     45  NaN
54     39  NaN
NaN    45  76
87     32  NaN

输出应如下所示：

 df.dropna(axis=1, thresh=2)

    col1  col2
    23     45  
    54     39  
    NaN    45  
    87     32  

我想对具有多个切片索引的切片DataFrame执行一些操作.模式是df.iloc [0:24],df.iloc [24:48],df.iloc [48:72],依此类推,步骤24得到它.如何迭代它而不必每次都手动设置它.更像是df.iloc [x:z],每次迭代x = 0,z = 24,下一步迭代24步,x将是24,z = 48,依此类推.先谢谢,Hristo.

我有一个DF:

Col1   Col2    Label
0      0        5345
1      0        7574
2      0        3445
0      1        2126
1      1        4653
2      1        9566 

所以我试图在Col1和Col2上进行组合以获得基于Label列的索引值,如下所示:

df_gb = df.groupby(['Col1','Col2'])['Label'].agg(['sum', 'count']) 
df_gb['sum_count'] = df_gb['sum'] / df_gb['count']
sum_count_total = df_gb['sum_count'].sum() 
index = df_gb['sum_count'] / 10 

Col2  Col1       
0     0          2.996036
      1          3.030063
      2          3.038579

1     0          2.925314
      1          2.951295
      2          2.956083

2     0          2.875549
      1          2.899254
      2          2.905063

到目前为止,一切都如我所料.但是现在我想基于这两个groupby列将这个'index'group by df分配给我原来的'df'.如果只有一列它使用map()函数,但如果我想根据两列的顺序分配索引值,则不行.

df_index = df.copy()
df_index['index'] = df.groupby([]).apply(index)
TypeError: 'Series' objects are mutable, thus they cannot …