小编the*_*ond的帖子

我真的不知道如何给出一个好的描述性标题，但这是我的问题。让我们考虑一个 DataFrame df：

     col_name
0    Category1
1     item1()
2     item2()
3    Category2
4     item3()
5     item4()
6     item5()

我需要得到这个：

     categories   items
0     Category1   item1
1     Category1   item2
2     Category2   item3
3     Category2   item4
4     Category2   item5

但categories可能是大陆，items也可能是国家。我知道所有的项目()里面都有一个表达式，所以我可以很容易地提供一个布尔掩码，然后创建一个列表categories：

msk = df[~df['col_name'].str.contains('[^A-Za-z\s]')]['col_name'].tolist()

但是现在，现在我被困住了。你能给我一些建议吗？

我有一个data包含 9 个预测变量和一个ind值为 0 到 3 的指示变量的数据框。我需要为给定值为 的所有变量制作直方图ind。我已经写了一些代码；没有更好的主意，我只是将数据集分为 4 个不相交的子集。

data_no0 <- data[data$ind == 0, -1]
data_no1 <- data[data$ind == 1, -1]
data_no2 <- data[data$ind == 2, -1]
data_no3 <- data[data$ind == 3, -1]

ggplot(gather(data_no1), aes(value)) + 
  geom_histogram(bins = 6) + 
  facet_wrap(~key, scales = 'free_x')

更重要的是，我希望能够比较不同值的直方图ind，因此我想分别将 x 的最小值和最大值固定为（即第一个变量）min(data$avg_f0env_sma0)和max(data$avg_f0env_sma)。

我尝试这样做：

scales_x <- list(
  'avg_jitterlocal_sma' 
  = scale_y_continuous(limits = c(min(data$avg_jitterlocal_sma), max(data$avg_jitterlocal_sma))),
  'avg_jitterddp_sma' 
  = scale_y_continuous(limits = c(min(data$avg_jitterddp_sma), max(data$avg_jitterddp_sma))),
  'avg_shimmerlocal_sma' 
  = scale_y_continuous(limits …