小编Luc*_*cas的帖子

dataframes在 Pandas 中，索引在一个或多个数字和/或字符串列中。特别是，在groupby操作之后，输出是一个数据帧，其中新索引由组给出。

同样，julia 数据框总是有一个列名Row，我认为它相当于熊猫中的索引。但是，在 groupby 操作之后，julia 数据框不使用组作为新索引。这是一个工作示例：

using RDatasets;
using DataFrames;
using StatsBase;

df = dataset("Ecdat","Cigarette");

gdf = groupby(df, "Year");

combine(gdf, "Income" => mean)

输出：

11×2 DataFrame
? Row ? Year  ? Income_mean ?
?     ? Int32 ? Float64     ?
?????????????????????????????
? 1   ? 1985  ? 7.20845e7   ?
? 2   ? 1986  ? 7.61923e7   ?
? 3   ? 1987  ? 8.13253e7   ?
? 4   ? 1988  ? 8.77016e7   ?
? 5   ? 1989  ? …

我想表示地图每个区域内的种族分布。

我是 geopandas 的新手，到目前为止，我只能制作一张地图，按地区显示单个民族的份额。

我的代码如下：

geodf.plot(column="resid_preto", cmap="Blues", figsize=(20,12), 
edgecolor='black', linewidth=0.5, alpha=0.9, legend=False)

plt.axis('off')

其中“resid_preto”是包含该地区黑人人口比例的列

我想做一张像这样的地图。因此，我可以在一张地图中代表所有种族群体，而不是为每个群体创建一张地图

我failed to run custom build command for openssl-sys v0.9.60在尝试构建 Rust 程序时遇到错误。这里是main.rs和Cargo.toml文件。

主文件

extern crate reqwest;

fn main() {
    let mut resp = reqwest::get("http://www.governo.mg.gov.br/Institucional/Equipe").unwrap();
    assert!(resp.status().is_success());
}

Cargo.toml

[package]
name = "get_sct"
version = "0.1.0"
authors = ["myname <myemail>"]
edition = "2018"

# See more keys and their definitions at https://doc.rust-lang.org/cargo/reference/manifest.html

[dependencies]
reqwest = "0.10.10"

我在本地安装了openssl（如本问题中所建议），使用：

[package]
name = "get_sct"
version = "0.1.0"
authors = ["myname <myemail>"]
edition = "2018"

# See …

我正在尝试根据来自其他（数字）列的值范围创建一个分类变量。但是，当我missings在数字列中时，代码不起作用

这是一个可复制的示例：

using RDatasets;
using DataFrames;
using Pipe;
using FreqTables;

df = dataset("datasets","iris")
#lowercase columns just for convenience
@pipe df |> rename!(_, [lowercase(k) for k in names(df)]);

#without this line, the code works fine
@pipe df |> allowmissing!(_, :sepallength) |> replace!(_.sepallength, 4.9 => missing);

df[:size] = @. ifelse(df[:sepallength]<=4.7, "small", missing)
df[:size] = @. ifelse((df[:sepallength]>4.7) & (df[:sepallength]<=4.9), "avg", df[:size])
df[:size] = @. ifelse((df[:sepallength]>4.9) & (df[:sepallength]<=5), "large", df[:size])
df[:size] = @. ifelse(df[:sepallength]>5, "huge", df[:size])

println(@pipe df |> freqtable(_, :size))

输出： …