小编zac*_*ach的帖子

可能重复:
如何通过"within"/"in"过滤pandas的数据帧行？

假设我有以下pandas数据帧:

df = DataFrame({'A' : [5,6,3,4], 'B' : [1,2,3, 5]})
df

     A   B
0    5   1
1    6   2
2    3   3
3    4   5

我可以根据特定值进行子集化:

x = df[df['A'] == 3]
x

     A   B
2    3   3

但是我如何根据值列表进行子集化？ - 这样的事情:

list_of_values = [3,6]

y = df[df['A'] in list_of_values]

我想用IPython笔记本作为交互式分析我用Biopython GenomeDiagram模块制作的一些基因组图表的方法.虽然有关于如何matplotlib在IPython笔记本中使用内联图形的大量文档,但GenomeDiagram使用了ReportLab工具包,我认为它不支持IPython中的内联图形.

然而,我想,解决这个问题的方法是将绘图/基因组图表写入文件,然后打开内联图像,这将具有相同的结果,如下所示:

gd_diagram.write("test.png", "PNG")
display(file="test.png")

但是,我无法弄清楚如何做到这一点 - 或者知道它是否可行.那么有人知道图像是否可以在IPython中打开/显示？

我有一个数字列表,我想得到一个数字出现在符合特定条件的列表中的次数.我可以使用列表理解(或函数中的列表理解),但我想知道是否有人有更短的方式.

# list of numbers
j=[4,5,6,7,1,3,7,5]
#list comprehension of values of j > 5
x = [i for i in j if i>5]
#value of x
len(x)

#or function version
def length_of_list(list_of_numbers, number):
     x = [i for i in list_of_numbers if j > number]
     return len(x)
length_of_list(j, 5)

有没有更浓缩的版本？

我有一个文本文件,其中列由可变数量的空格分隔.是否可以直接将此文件作为pandas数据帧加载而无需预处理文件？在pandas文档中,分隔符部分说我可以使用's*'构造但我无法使其工作.

## sample data
head sample.txt

#                                                                            --- full sequence --- -------------- this domain -------------   hmm coord   ali coord   env coord
# target name        accession   tlen query name           accession   qlen   E-value  score  bias   #  of  c-Evalue  i-Evalue  score  bias  from    to  from    to  from    to  acc description of target
#------------------- ---------- ----- -------------------- ---------- ----- --------- ------ ----- --- --- --------- --------- ------ ----- ----- ----- ----- ----- ----- ----- ---- ---------------------
ABC_membrane         PF00664.18   275 AAF67494.2_AF170880 …

我想使用ggplot循环遍历多个列以创建多个绘图,但在for循环中使用占位符会更改ggplot的行为.

如果我有这个:

t <- data.frame(w = c(1, 2, 3, 4), x = c(23,45,23, 34), 
y = c(23,34,54, 23), z = c(23,12,54, 32))

这很好用:

ggplot(data=t, aes(w, x)) + geom_line()

但这不是:

i <- 'x'
ggplot(data=t, aes(w, i)) + geom_line()

如果我想最终遍历x,y和z,那么这是一个问题.有帮助吗？

我有一个dataframe,我想应用一个取三列值的函数,并计算三个值之间的最小差异.

#dataset
df <- data.frame(a= sample(1:100, 10),b = sample(1:100, 10),c= sample(1:100, 10))

#function
minimum_distance <- function(a,b,c)
{
  dist1 <- abs(a-b)
  dist2 <- abs(a-c)
  dist3 <- abs(b-c)
  return(min(dist1,dist2,dist3))
}

我正在寻找类似的东西:

df$distance <- sapply(df, function(x) minimum_distance(x$a,x$b,x$c) )
## errormessage
Error in x$a : $ operator is invalid for atomic vectors

虽然我可以使用ddply:

df2 <- ddply(df,.(a),function(r) {data.frame(min_distance=minimum_distance(r$a,r$b, r$c))}, .drop=FALSE)

这并没有保留所有列.有什么建议？

编辑:我最终使用:

df$distance <- mapply(minimum_distance, df$a, df$b, df$c)

ggplot2在R 中使用库我最喜欢的一个方面是能够轻松指定美学.我可以快速制作一个散点图并应用与特定列关联的颜色,我希望能够使用python/pandas/matplotlib执行此操作.我想知道是否有任何便利功能,人们用它来使用pandas数据帧和Matplotlib将颜色映射到值？

##ggplot scatterplot example with R dataframe, `df`, colored by col3
ggplot(data = df, aes(x=col1, y=col2, color=col3)) + geom_point()

##ideal situation with pandas dataframe, 'df', where colors are chosen by col3
df.plot(x=col1,y=col2,color=col3)

编辑:感谢您的回复,但我想包含一个示例数据框,以澄清我的要求.两列包含数字数据,第三列是分类变量.我想的脚本将根据此值指定颜色.

import pandas as pd
df = pd.DataFrame({'Height':np.random.normal(10),
                   'Weight':np.random.normal(10),
                   'Gender': ["Male","Male","Male","Male","Male",
                              "Female","Female","Female","Female","Female"]})

我使用ggplot进行缩放时遇到了一个有趣的问题.我有一个数据集,我可以使用默认的线性刻度来很好地绘制,但是当我使用scale_y_log10()时,数字就会消失.这是一些示例代码和两张图片.请注意,线性标度中的最大值为~700,而日志缩放产生的值为10 ^ 8.我告诉你整个数据集只有大约8000个条目,所以有些东西是不对的.

我想这个问题与我的数据集结构和分箱有关,因为我不能在像'钻石'这样的常见数据集上复制这个错误.但是我不确定排除故障的最佳方法.

谢谢,zach cp

编辑:bdamarest可以重现钻石数据集上的比例问题,如下所示:

example_1 = ggplot(diamonds, aes(x=clarity, fill=cut)) + 
  geom_bar() + scale_y_log10(); print(example_1)

#data.melt is the name of my dataset    
> ggplot(data.melt, aes(name, fill= Library)) + geom_bar()  
> ggplot(data.melt, aes(name, fill= Library)) + geom_bar()  + scale_y_log10()
> length(data.melt$name)
[1] 8003 

这是一些示例数据......我想我看到了问题.原始熔化的数据集可能已经长约10 ^ 8行.也许行号被用于统计数据？

> head(data.melt)
       Library         name               group
221938      AB Arthrofactin        glycopeptide
235087      AB   Putisolvin      cyclic peptide
235090      AB   Putisolvin      cyclic peptide
222125      AB Arthrofactin        glycopeptide
311468      AB     Triostin cyclic depsipeptide
92249       AB          CDA         lipopeptide


> …

我有一个使用RGL的3D图.我想用颜色制作相同的图来突出显示某些变量的分布.要做到这一点,我想有相同的情节,我如何找到和设置情节的方向？

一旦我做了一个初步的情节,我移动它找到一个很好的显示角度,我想保存这个角度,并将其纳入未来的绘图脚本.有人建议如何做到这一点？

library(rgl)
plot3d(iris) 
#play with the plot to find a good angle
#save the angle for future plots

我已经看到了iPython开发人员关于如何将ipython笔记本转换为博客文章,pdf,甚至整本书的一些谈话 (约43分钟).的PDF到X转换器解释其被写在降价或代码的IPython的细胞和在一个步骤中吐出新格式化的文档.

我的问题是我想生成一个大型文档,其中许多图形和部分是以编程方式生成的 - 就像这样.为了使用上面的方法在iPython中工作,我需要能够编写一个能编写其他iPython-Code-Blocks的函数.这种能力是否存在？

#some pseudocode to give an idea
for variable in list:
    image = make_image(variable)
    write_iPython_Markdown_Cell(variable)
    write_iPython_Image_cell(image)

我认为这可能有用,所以我想知道是否:

1. 通过iPython生成iPython Cells是可能的
2. 如果这是一个坏主意的原因,我应该坚持像模板库(Jinja)这样的"经典"解决方案.

谢谢,zach cp

编辑:根据托马斯的建议,我在ipython邮件列表上发布了一些关于这个想法的可行性的反馈.简而言之 - 有一些技术上的困难使得这个想法不太适合原始想法.对于您想要生成markdown -cells和相应图像/表的重复报告,通过ipython内核/浏览器工作比直接使用像Jinja这样的模板系统生成报告要复杂得多.