小编Jua*_*n C的帖子

我对一件简单的事情感到有点困扰。我试图安装一个名为 hunspell 的包，但我发现它最初是一个 R 包。我安装了这个版本： https: //anaconda.org/conda-forge/r-hunspell，但我无法导入它。这个包应该可以与 Python 一起使用吗？我应该使用rpy2导入它吗？第一次使用跨平台包，所以我有点困惑。

需要明确的是，import hunspell带来ModuleNotFoundError: No module named 'hunspell'并import r-hunspell带来SyntaxError: invalid syntax。

我还注意到这个包也安装了一个r-base包，但我也不知道如何导入它。

我正在执行一项非常简单的任务：应用于wide_to_longDataFrame，但每次运行它时，我都会得到一个空的 DataFrame。我几乎确定我的做法是正确的，所以我查阅了文档并尝试应用其中显示的示例，它还带来了一个空的 DataFrame！这是示例代码：

import pandas as pd

df = pd.DataFrame({
    'famid': [1, 1, 1, 2, 2, 2, 3, 3, 3],
    'birth': [1, 2, 3, 1, 2, 3, 1, 2, 3],
    'ht_one': [2.8, 2.9, 2.2, 2, 1.8, 1.9, 2.2, 2.3, 2.1],
    'ht_two': [3.4, 3.8, 2.9, 3.2, 2.8, 2.4, 3.3, 3.4, 2.9]
})

l = pd.wide_to_long(df, stubnames='ht', i=['famid', 'birth'], j='age', sep='_', suffix='\\w')
l.shape

输出：

Out[2]: (0, 3)

我尝试更新 Pandas，但没有帮助。可能会发生什么？

我对 SQL 世界有点陌生，但我正在学习名为Optimizing pandas.read_sql for Postgres 的教程。问题是，我正在处理一个大数据集，类似于教程中的示例，我需要一种更快的方法来执行查询并将其转换为 DataFrame。在那里，他们使用这个函数：

def read_sql_tmpfile(query, db_engine):
    with tempfile.TemporaryFile() as tmpfile:
        copy_sql = "COPY ({query}) TO STDOUT WITH CSV {head}".format(
           query=query, head="HEADER"
        )
        conn = db_engine.raw_connection()
        cur = conn.cursor()
        cur.copy_expert(copy_sql, tmpfile)  # I want to replicate this
        tmpfile.seek(0)
        df = pandas.read_csv(tmpfile)
        return df

我尝试复制它，如下所示：

def read_sql_tmpfile(query, connection):
    with tempfile.TemporaryFile() as tmpfile:
        copy_sql = "COPY ({query}) TO STDOUT WITH CSV {head}".format(
           query=query, head="HEADER"
        )

        cur = connection.cursor()
        cur.copy_expert(copy_sql, tmpfile)
        tmpfile.seek(0)
        df = pandas.read_csv(tmpfile)
        return df

问题是， …

我对此有点麻烦。我的数据框如下所示：

id    amount    dummy
1      130        0
1      120        0
1      110        1
1      nan       nan 
1      nan       nan   
2      nan        0
2      50         0
2      20         1
2      nan       nan 
2      nan       nan  

所以，我需要做的是，在虚拟对象获取value = 1之后，我需要为每个变量的数量填充零id，如下所示：

id    amount    dummy
1      130        0
1      120        0
1      110        1
1       0        nan 
1       0        nan   
2      nan        0
2      50         0
2      20         1
2       0        nan 
2       0        nan 

我猜我需要的某种组合groupby('id')，fillna(method='ffill')也许一个.loc或一个shift() …

我的问题很简单，但我不确定是否有办法完成我正在寻找的事情：

我必须在 SQL 数据库中存储一些数据，其中包括一些稍后将使用的间隔。因此，我必须将其存储为字符串，如下所示：

 variable     interval
    A          (-0.001, 2.0]
    A          (2.0, 6.0]

那么，我想使用所说的间隔来削减另一个变量，如下所示：

df1 =  pd.DataFrame({'interval': {4: '(-0.001, 2.0]',
  5: '(2.0, 6.0]'},
 'variable': {4: 'A',
  5: 'A',
}})
df2 =  pd.DataFrame({'A': [1,1,3]})
bins = df1[df1.variable.eq('A')].interval
new_series = pd.cut(df2['A'], bins=bins)

但这带来了：

 ValueError: could not convert string to float: '(-0.001, 2.0]'
 

尝试过：

bins = bins.astype('interval')

但这带来了：

TypeError: type <class 'str'> with value (-0.001, 2.0] is not an interval

有什么我可以做的吗？谢谢

我正在尝试抓取这个网站：

https://noticias.caracoltv.com/colombia

最后你可以找到一个“Cargar M\xc3\xa1s”按钮，它会带来更多新闻。到目前为止，一切都很好。但是，当检查该元素时，它会加载一个像这样的链接：https://noticias.caracoltv.com/colombia?00000172-8578-d277-a9f3-f77bc3df0000-page=2，如下所示：

问题是，如果我将其输入浏览器，我会得到与调用原始网站相同的消息。因此，我认为能够抓取网站的唯一方法是创建一个递归单击的脚本。问题是我需要 2019 年之前的新闻，所以这似乎不太可行。

另外，在检查事件侦听器时，我看到了以下内容：

但我不确定如何利用它来发挥我的优势。

我错过了什么吗？有什么方法可以通过链接访问较旧的新闻（或者 API 会更好，但我没有找到任何对 API 的调用）。

我目前正在使用 Python 进行抓取，但我正处于调查阶段，因此没有代码表明这是有意义的。\n非常感谢！

我有一个像这样的数据框：

stage1 stage2 stage3 stage4
a        NA     b      c
NA       d      NA     e
NA       NA     f      g
NA       NA     NA     h

其中每一列都是流程的一个阶段。我想要做的是根据前面的列合并每一列：

stage1 stage2 stage3 stage4 
a        a      a      a
NA       d      d      d
NA       NA     f      f
NA       NA     NA     h

实际值并不重要，这也可能是一个逻辑数据帧，其中输出的每个字符串是TRUE，每个 NA 是FALSE。

我编写了这个函数，可以让我合并选择的列：

coacross <- function(...) {
  coalesce(!!!across(...))
}

df <- df %>%
  mutate(total_stages = coacross(everything()))

这基本上创建了stage4我想要的输出列。有什么方法可以迭代运行这个，最好没有 for 循环？stage2那么我可以对和做同样的事情stage3吗？否则，还有其他方法可以做到这一点吗？

多谢。

编辑：

这有效：

for(col in names(df %>% select(-stage1))){ …

最近我一直试图映射一些值,所以我试图创建一个字典来做到这一点.奇怪的是我的DataFrame有一个由列表组成的列,而DataFrames总是有点笨拙的列表.DataFrame具有以下结构:

    rules          procedure
['10','11','12']       1
['13','14']            2
['20','21','22','24']  3

所以我想创建一个字典,将'10'映射到1,'14'映射到2,依此类推.我尝试了以下方法:

dicc=dict()
for j in df['rules']:
    for i,k in zip(j,df.procedure):
        dicc[i]=k

但那不是成功的.可能与索引有关.我错过了什么？

编辑:我正在尝试创建一个将值'10','11','12'映射到1的字典; '13','14'到2; '20','21','22','24'到3,所以如果我打字dicc['10']我得到1,如果我输入dicc['22']我得到3.显然,实际的DataFrame非常大,我无法手动完成.

目前我正在处理不同主题的每周数据，但它可能有一些没有数据的长时间连续记录，所以，我想做的是保持每个id. 我的数据如下所示：

id    week
1      8
1      15
1      60
1      61
1      62
2      10
2      11
2      12
2      13
2      25
2      26

我的预期输出是：

id    week
1      60
1      61
1      62
2      10
2      11
2      12
2      13

我有点接近，试图在week==时用 1 标记week.shift()+1。问题是这种方法不会标记连续发生的第一次，而且我也无法过滤最长的一次：

df.loc[ (df['id'] == df['id'].shift())&(df['week'] == df['week'].shift()+1),'streak']=1

根据我的例子，这将带来：

id    week  streak
1      8     nan
1      15    nan
1      60    nan
1      61    1
1      62    1
2      10    nan …

今天我正在处理一个图表，其中一部分有使用的注释plt.text。在此注释中，我想写一些类似于“本月的价格是：USD$3 ”的内容

如果不加粗，则可以翻译成如下代码：

plt.text(0.5,0.9, f"The price for this month is: USD${df.price.iloc[-1]}")

所以，我想做的就是USD${df.price.iloc[-1]}在打印到图表时将其变为粗体。

SO 中有一个类似的问题，但对于标题，建议使用如下所示的符号：

"The price for this month is:' + r"$\bf{" + USD${df.price.iloc[-1]} + "}$"

但该语法似乎无效，所以我不确定是否可能有一个包含粗体和非粗体部分的文本。

您知道是否可以做到，如果可以，如何做到？