小编vp_*_*050的帖子

我有一个名为 d0、d1、d2、...d9 的 10 个数据帧的列表。全部都有 3 列和 100 行。

d0.info()
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 100 entries, 0 to 99
Data columns (total 3 columns):
 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   0       100 non-null    float64
 1   1       100 non-null    float64
 2   2       100 non-null    float64
dtypes: float64(3)
memory usage: 2.5 KB

我想合并所有数据框，这样我就可以有 3 列和 1000 行，然后将其转换为数组。

s1=[d0,d1,d2,d3,d4,d5,d6,d7,d8,d9]
s2=pd.concat([s1])

上面的代码抛出错误：

TypeError: cannot concatenate object of type '<class 'list'>'; only Series and DataFrame objs are valid

type(s1)
list

我使用 pandas …

我正在尝试使用 NSGA 2 解决具有 3 个目标和 2 个决策变量的多目标优化问题。下面给出 NSGA2 算法和终止标准的 pymoo 代码。我的 pop_size 是 100，n_offspring 是 100。该算法迭代了 100 代。我想将所有 100 代的每一代中考虑的决策变量的所有 100 个值存储在一个数据框中。

pymoo 代码中的 NSGA2 实现：

from pymoo.algorithms.nsga2 import NSGA2
from pymoo.factory import get_sampling, get_crossover, get_mutation

algorithm = NSGA2(
    pop_size=20,
    n_offsprings=10,
    sampling=get_sampling("real_random"),
    crossover=get_crossover("real_sbx", prob=0.9, eta=15),
    mutation=get_mutation("real_pm", prob=0.01,eta=20),
    eliminate_duplicates=True
)
from pymoo.factory import get_termination

termination = get_termination("n_gen", 100)

from pymoo.optimize import minimize

res = minimize(MyProblem(),
               algorithm,
               termination,
               seed=1,
               save_history=True,
               verbose=True)

我尝试过的（我的参考：stackoverflow问题）：

import pandas as pd
df2 = pd.DataFrame …

我正在处理一个包含所有数字类型变量的数据框

summary.default(pfnew)

• ID 6016315 - 无 - 数字
• 迭代器 6016315 -无- 数字
• 值 6016315 -无- 数字
• CV 6016315 -非数字

我想创建一个按迭代器和 CV 分组的数据透视表并汇总 ID 的计数。本质上，我想要数据框中对应于一组特定迭代器和 CV 值的点数。我使用的代码是：

代码

install.packages("tidyr")
install.packages("dplyr")
install.packages("vctrs")
library(vctrs)
library(tidyr)
library(dplyr)
allow_lossy_cast(pivot<-pfnew%>%
  select(pfnew$iterator,pfnew$CV,pfnew$ID)%>%
  summarise(CT=count(pfnew$ID)))

但正如其他论坛中所讨论的，即使在使用allow_lossy_cast之后，我也收到了相同的错误消息。

错误：必须使用有效的下标向量对列进行子集化。x 由于精度损失，无法从 转换为 。

我们该如何解决这个问题？或者我们可以用其他方式做同样的工作吗？

我有一个数据框 df ，其中包含两个变量，如下所示。使用下面的代码，我想获得矩阵“mat”。

此代码适用于 unique(df$V1)= 3 但对于 unique(df$V1) 为 1000 的操作需要大量时间（> 10 小时）。

数据框

V1   V2
1   60
1   30
1   38
1   46
2   29
2   35
2   13
2   82
3   100
3   72
3   63
3   45

代码：

#Unique V1 values
vec <- unique(df$V1)
#Count <= valies
val <- combn(vec, 2, function(x) 
  sum(outer(df$V2[df$V1 == x[1]], df$V2[df$V1 == x[2]], `<=`)))
val
#[1]  5 14 13

#Create an empty matrix
mat <- matrix(0,length(vec), length(vec))
#Fill the lower triangle of …