小编ank*_*_91的帖子

通过 to_csv 写入 zip 文件时，我遇到了一个特殊的问题。

使用 GZIP：

df.to_csv(path_or_buf = 'sample.csv.gz', compression="gzip", index = None, sep = ",", header=True, encoding='utf-8-sig')

给出了一个名为 ' sample.csv.gz '的整洁的 gzip 文件，在里面我得到了我的 csv ' sample.csv '

但是，使用 ZIP 时情况会发生变化

df.to_csv(path_or_buf = 'sample.csv.zip', compression="zip", index = None, sep = ",", header=True, encoding='utf-8-sig')

给出了一个名为“ sample.csv.zip ”的 zip 文件，但在其中，csv 也已重命名为“sample.csv.zip”。从文件中删除额外的“.zip”会返回 csv。

如何在没有此问题的情况下实现 zip 扩展？我需要有 zip 文件作为我无法绕过的要求。我在 Windows 10 机器上使用 python 2.7。

预先感谢您的帮助。

我想合并2个数据帧:

DF1:

                                              cik0        cik1        cik2  
'MKTG, INC.'                            0001019056        None        None   
1 800 FLOWERS COM INC                   0001104659  0001437749        None   
11 GOOD ENERGY INC                      0000930413        None        None   
1347 CAPITAL CORP                       0001144204        None        None   
1347 PROPERTY INSURANCE HOLDINGS, INC.  0001387131        None        None 

DF2:

              cik Ticker
0      0001144204   AABB
1      0001019056      A
2      0001387131   AABC
3      0001437749     AA
4      0000930413  AAACU

预期结果:

                                              cik0        cik1  cik2 ticker
'MKTG, INC.'                            0001019056        None  None      A
1 800 FLOWERS COM INC                   0001104659  0001437749  None     AA
11 GOOD ENERGY …

我有一个 powershell 脚本，它会触发一封电子邮件，我已将其另存为EmailScript.PS1（该脚本没有问题，它运行得很好）。我计划每当登录事件时安排此脚本，例如：

Event ID:111    Description:Task terminated

每当触发所需事件时，我就能够成功地安排此脚本。

但是，目前它考虑了xyz任务计划程序中运行的所有任务（例如，不是我命名的目标任务）。

我想仅在特定任务（不是所有任务）触发事件时安排此基于事件的任务，但在任务计划程序创建任务选项卡中找不到这样的过滤器/下拉列表。

任何建议/帮助将不胜感激。

示例代码：

In [1]: import pandas as pd

In [2]: serie = pd.Series(['this#is#a#test', 'another#test'])

In [3]: serie.str.split('#', expand=True)
Out[3]:
         0     1     2     3
0     this    is     a  test
1  another  test  None  None

是否可以在不剥离分割条件字符串的情况下进行分割？上面的输出将是：

Out[3]:
         0     1     2     3
0     this   #is    #a #test
1  another #test  None  None

编辑1：实际用例是保持匹配模式，例如：

serie.str.split(r'\n\*\*\* [A-Z]+', expand=True)

在我的情况下，[AZ] +是处理步骤，我想保留这些步骤以进行进一步处理。

我在具有两种数据类型的数据框中有一列，如下所示：

25                3037205
26    2019-09-04 19:54:57
27    2019-09-09 17:55:45
28    2019-09-16 21:40:36
29                3037206
30    2019-09-06 14:49:41
31    2019-09-11 17:17:11
32                3037207
33    2019-09-11 17:19:04

我正在尝试对其进行切片并构建一个像这样的新数据框：

26    3037205    2019-09-04 19:54:57
27    3037205    2019-09-09 17:55:45
28    3037205    2019-09-16 21:40:36
29    3037206    2019-09-06 14:49:41
30    3037206    2019-09-11 17:17:11
31    3037207    2019-09-11 17:19:04

我找不到如何在数字“无日期类型”之间进行切片。

一些想法？

谢谢！

我正在尝试根据今天的日期获取财政年度的开始日期。

因此，经过一番研究后，我发现了这个软件包，名为“fiscalyear您可以在其中修改会计年度的开始日期”。就我而言，我想01-07-year成为我的财政年度的开始日期，所以我设置fiscalyear.START_MONTH = 7

我已经尝试过以下（如果您是可重现的示例pip install fiscalyear）：

import datetime
import fiscalyear
fiscalyear.START_MONTH = 7
a = fiscalyear.FiscalYear(datetime.datetime.now().year).start.date()
a.strftime('%Y-%m-%d')

哪个输出正确：

'2018-07-01'

然而，当月份变成八月时，这将不起作用，因为它datetime.datetime.now().year没有改变。所以我尝试做类似的事情：

if (datetime.datetime.now()-pd.to_datetime('2018-07-01')).days < 365:
    a = fiscalyear.FiscalYear(datetime.datetime.now().year).start.date()
    print(a.strftime('%Y-%m-%d'))
else:
    a = fiscalyear.FiscalYear(datetime.datetime.now().year+1).start.date()
    print(a.strftime('%Y-%m-%d'))

我对自己正在做的事情有一种不好的预感，因为这现在可能也适用于闰年。

在 python 中是否有更好的方法可以根据当前时间戳检测财政年度的开始日期？

py版本：3.6.7

我有一个 Pandas df，其中一列包含以下值。

      Data
0      A
1      A 
2      B
3      A
4      A 
5      A
6      B
7      A
8      A
9      B

我想尝试对这些值进行分组，对于每次遇到值 B，我希望将组值更改如下

      Data  Group
0      A      1
1      A      1
2      B      1
3      A      2
4      A      2
5      A      2
6      B      2
7      A      3
8      A      3
9      B      3

如何使用内置的熊猫来实现这一点。以某种方式创建任何辅助列以促进上述任务。

我有一个 df，其中列中的每一行"numbers"都是一个浮点数列表。我想用这些浮点数的总和向 df 添加一列。

#current output
letter   numbers
a        [0.0, 0.1, 2.3]
b        [5, 6.7, 11.21] 

#desired output
letter   numbers           sum_result
a        [0.0, 0.1, 2.3]   2.4
b        [5, 6.7, 11.21]   22.91  

我试过 sum(df.numbers) 并收到此错误消息

TypeError: unsupported operand type(s) for +: 'int' and 'list'

任何帮助，将不胜感激！

我想使用行索引按不均匀的行数拆分数据帧。

下面的代码：

groups = df.groupby((np.arange(len(df.index))/l[1]).astype(int))

仅适用于统一的行数。

df

a b c  
1 1 1  
2 2 2  
3 3 3  
4 4 4  
5 5 5  
6 6 6  
7 7 7  

l = [2, 5, 7]

df1  
1 1 1  
2 2 2  

df2  
3,3,3  
4,4,4  
5,5,5  

df3  
6,6,6  
7,7,7  

df4  
8,8,8

假设我有一个数据框，其中两列包含整数

A  B 
3  3
4  6
6  4
7  4

我想创建一个从现有列创建新行的函数

def new_rows(row):
    for idx in range (row['A']):
        c = idx*row['B']
        row['C'] = c
        return row

所以结果数据帧将是

A.  B.   C 
3.  3.   0
3.  3.   3
3.  3.   6
4.  6    0
4.  6    6
4.  6    12
4.  6    18
6  4.    0
...
...
...

据我所知，pandas map 和 apply 可用于创建新列，但不能用于创建其他行

我能想到的最佳解决方案是使用 pandas iterrows 在迭代期间应用操作，将所有值保存到字典列表中，然后创建该列表的 pandas 数据框。