小编MaM*_*aMo的帖子

我尝试导入一个与脚本不在同一文件夹中的 Excel 文件。我需要获取上面的一个文件夹，然后进入另一个文件夹（B_folder），并且有文件 2_file.xlsx

我试过：

df = pd.read_excel(r'..\B_folder\2_file.xlsx')

并得到：

FileNotFoundError: [Errno 2] No such file or directory: '..\\B_folder\\2_file.xlsx'

还尝试过：

• 前斜杠而不是反斜杠

• 路径前没有“r”

但我总是收到上面或下面的错误消息：

OSError: [Errno 22] Invalid argument: '..\\B_folder\2_file.xlsx'

怎么了？

是否可以使用同时维护多个列np.where？通常，一列是用 维护的np.where，所以我的编码如下所示：

df['col1'] = np.where(df[df.condition == 'yes'],'sth', '')
df['col2'] = np.where(df[df.condition == 'yes'], 50.00, 0.0)

但由于我对相同的条件进行了两次测试，我想知道是否可以通过 2 列并在一次运行中填充它们。

我试过这个：

df['col1','col2'] = np.where(df[df.condition == 'yes'],['sth',50.00], ['',0.0])

但这不起作用。有没有办法实现这一点？

我有一个像这样的熊猫数据框：

+-----+----------+
| No  | quantity |
+-----+----------+
|   1 |    100.0 |
|   2 |    102.3 |
|   3 |    301.2 |
|   4 |    100.6 |
|   5 |    120.9 |
| ... |      ... |
+-----+----------+

我如何计算每个值适合数据集的概率（在数据框中，除了第 3 个值之外）。这个想法是使用标准化正态分布并计算出现某个值（或更极端的值）的概率。在这种情况下，第 3 号发生的概率几乎为零，因为它与所有其他值相距甚远。

我知道如何在纸上对每个值执行此操作：

1. 计算 z 分数

2. 在标准正态概率表中找到相应的值

3. 如果值低于分布的平均值，则概率为 1-概率

所以期望的输出是这样的：

+-----+----------+--------+
| No  | quantity |  prob  |
+-----+----------+--------+
|   1 |    100.0 | 99,85% |
|   2 |    102.3 | 99,81% |
|   3 |    301.2 | …