我知道参数usecols中pandas.read_excel(),您可以选择特定的列。
Say I read an Excel file in with pandas.read_excel(). My excel spreadsheet has 1161 rows. I want to keep the 1st row (with index 0), and skip rows 2:337. Seems like the argument skiprows works only when 0 indexing is involved. I don't know if I could be wrong, but several runs of my code always produces an output of reading all my 1161 rows rather than only after the 337th row on. Such …
我想创建一个带有预定列表的字典,但是,我似乎无法弄清楚如何避免覆盖而不是附加,而且我不确定是否可以避免导入任何其他模块。
范围是我有一个包含 1 列字符名称的数据框,其中 ID 号附加到读取 excel 文件的名称中sega_df:
Character
0 Amy (335)
1 Tails (359)
2 Shadow (357)
3 Shadow (357)
4 Blaze (337)
Run Code Online (Sandbox Code Playgroud)
然后我有一个所有字符的列表,characters,没有他们的 ID 号:
['Sonic', 'Knuckles', 'Tails', 'Amy', 'Cream', 'Shadow', 'Rouge', 'Silver', 'Blaze']
Run Code Online (Sandbox Code Playgroud)
我想创建一个字典,这样我就可以sega_df.Character通过用len()中字符的 切片来替换' characters,产生desired_sega_df:
Character
0 Amy
1 Tails
2 Shadow
3 Shadow
4 Blaze
Run Code Online (Sandbox Code Playgroud)
我要创建的字典将包含字符名称的键,而不包含它们的 ID 号,以及len()它们名称的值。字典是slice:
{'Sonic': 5,
'Knuckles': 8,
'Tails': 5,
'Amy': 3,
'Cream': 5,
'Shadow': 6, …Run Code Online (Sandbox Code Playgroud) 我有一个要转换为字典的元组列表。列表中的每个元组都有四个元素:
N = [('WA', 'OR', 'CA', 'HI'), ('MA', 'NY', 'PA', 'FL')]
如何设置字典,其中元组的第一个元素是键,值是其余元素的元组?
dict = {"WA": ("OR", "CA", "HI"), "MA": ("NY", "PA", "FL")}
我尝试了类似的方法,但我得到了第四个元素的截断版本(至少在我看来,我的实际列表比示例列表大得多):
for i in range(len(N))}:
for v in N[i]:
dict[i] = v[1:4]
Run Code Online (Sandbox Code Playgroud) 我想在本质上使一列为布尔值之后计算熊猫数据帧的两列之间的相关系数。原来table有两列:一个Group包含两个处理组(现在为布尔值)之一的列和一个Age组。这些是我要计算相关系数的两列。
我尝试了以下.corr()方法:
table.corr(method='pearson')
Run Code Online (Sandbox Code Playgroud)
我已经在table下面粘贴了布尔值的前25行。我不知道是否缺少参数,或者如何解释此结果。也为1也很奇怪。提前致谢!
Group Age
0 1 50
1 1 59
2 1 22
3 1 48
4 1 53
5 1 48
6 1 29
7 1 44
8 1 28
9 1 42
10 1 35
11 0 54
12 0 43
13 1 50
14 1 62
15 0 64
16 0 39
17 1 40
18 1 59
19 1 46
20 0 56 …Run Code Online (Sandbox Code Playgroud) python ×4
pandas ×3
dictionary ×2
correlation ×1
dataframe ×1
excel ×1
for-loop ×1
list ×1
tuples ×1