小编Ann*_*s15的帖子

检查字符串是否在另一列 pandas 中

下面是我的DF

df= pd.DataFrame({'col1': ['[7]', '[30]', '[0]', '[7]'], 'col2': ['[0%, 7%]', '[30%]', '[30%, 7%]', '[7%]']})

col1    col2    
[7]     [0%, 7%]
[30]    [30%]
[0]     [30%, 7%]
[7]     [7%]
Run Code Online (Sandbox Code Playgroud)

目的是检查 col1 值是否包含在下面的 col2 中是我尝试过的

df['test'] = df.apply(lambda x: str(x.col1) in str(x.col2), axis=1)
Run Code Online (Sandbox Code Playgroud)

以下是预期输出

col1    col2       col3
[7]     [0%, 7%]   True
[30]    [30%]      True
[0]     [30%, 7%]  False
[7]     [7%]       True
Run Code Online (Sandbox Code Playgroud)

python pandas

6
推荐指数
1
解决办法
349
查看次数

在Python中获取每月的假期数

你好世界,

我想检索每个月的公共假期数。

这是我的数据集

City       date        value   End_date
BE         01/01/16    41       31/01/16
NW         01/10/16    74       31/10/16
BY         01/05/16    97       31/05/16
Run Code Online (Sandbox Code Playgroud)

通过以下代码,我可以手动知道当天是否是公共假期:

from datetime import date
import holidays

#prov = BW, BY, BE, BB, HB, HH, HE, MV, NI, NW, RP, SL, SN, ST, SH, TH

us_holidays = holidays.CountryHoliday('DE', prov='NW', state=None )

date(2020, 5, 21) in us_holidays

out:
False
Run Code Online (Sandbox Code Playgroud)

问题: 如何计算每个月“真实”值的数量?如何在数据框中存储“True”值的计数?

预期产出

City       date        value   End_date    Nb_pub_holiday
BE         01/01/16    41       31/01/16        2
NW         01/10/16    74       31/10/16        0
BY         01/05/16    97       31/05/16 …
Run Code Online (Sandbox Code Playgroud)

python datetime pandas

3
推荐指数
1
解决办法
1112
查看次数

基于第一个字符串值创建多个数据框

你好,世界,

下面是DF

Code  Name 
15    Amiks
12    Poiu
11    Zeps
157   Alis
112   Pars
Run Code Online (Sandbox Code Playgroud)

不是 Python 专家,我想根据列“名称”的第一个字符串创建多个 df。所需的输出将是:

df_a

Code  Name 
15    Amiks
157   Alis
Run Code Online (Sandbox Code Playgroud)

df_p

Code  Name 
12    Poiu
112   Pars
Run Code Online (Sandbox Code Playgroud)

我为一封信做了什么:

df_A = df[df['Name'].str.startswith('A')]
df_A
Run Code Online (Sandbox Code Playgroud)

问题:如何遍历所有“首字母”并创建多个 DF?

python pandas

0
推荐指数
1
解决办法
78
查看次数

标签 统计

pandas ×3

python ×3

datetime ×1