¿Cómo accedo al marco de datos groupby correspondiente en un objeto groupby mediante la clave? Con el siguiente groupby: rand = np.random.RandomState(1) df = pd.DataFrame({'A': ['foo', 'bar'] * 3, 'B': rand.randn(6), 'C': rand.randint(0, 20, 6)}) gb = df.groupby(['A']) Puedo recorrerlo para...
Me gustaría cambiar el formato (clase) de algunas columnas de mi objeto hoja.de.datos ( mydf) de Charactor a factores . No quiero hacer esto cuando estoy leyendo el archivo de texto por read.table()función. Cualquier ayuda sería
Estoy trabajando con el índice booleano en Pandas. La pregunta es por qué la declaración: a[(a['some_column']==some_number) & (a['some_other_column']==some_other_number)] funciona bien mientras a[(a['some_column']==some_number) and (a['some_other_column']==some_other_number)] sale con...
Tengo el siguiente DataFrame: In [1]: import pandas as pd df = pd.DataFrame({'a': [1,2,3], 'b': [2,3,4], 'c':['dd','ee','ff'], 'd':[5,9,1]}) df Out [1]: a b c d 0 1 2 dd 5 1 2 3 ee 9 2 3 4 ff 1 Me gustaría agregar una columna 'e'que es la suma de la columna 'a', 'b'y 'd'. Al pasar por los...
Estoy usando R y he cargado datos en un marco de datos usando read.csv(). ¿Cómo determino el tipo de datos de cada columna en el marco de
¿Cuándo se debe usar a data.frame, y cuándo es mejor usar a matrix? Ambos mantienen los datos en un formato rectangular, por lo que a veces no está claro. ¿Hay alguna regla general sobre cuándo usar qué tipo de
Quiero encontrar todos los valores en un marco de datos de Pandas que contengan espacios en blanco (cualquier cantidad arbitraria) y reemplazar esos valores con NaN. ¿Alguna idea de cómo se puede mejorar esto? Básicamente quiero convertir esto: A B C 2000-01-01 -0.532681 foo 0 2000-01-02...
Tengo una situación en la que a veces, cuando leo una csvde dfobtengo un índice similar columna llamada no deseada unnamed:0. file.csv ,A,B,C 0,1,2,3 1,4,5,6 2,7,8,9 El CSV se lee con esto: pd.read_csv('file.csv') Unnamed: 0 A B C 0 0 1 2 3 1 1 4 5 6 2 2 7 8 9 Esto es muy molesto! ¿Alguien...
Tengo un DataFrame dinámico que funciona bien, pero cuando no hay datos para agregar al DataFrame, aparece un error. Y, por lo tanto, necesito una solución para crear un DataFrame vacío con solo los nombres de columna. Por ahora tengo algo como esto: df = pd.DataFrame(columns=COLUMN_NAMES) # Note...
Hoy me sorprendió positivamente el hecho de que, al leer datos de un archivo de datos (por ejemplo), los pandas pueden reconocer tipos de valores: df = pandas.read_csv('test.dat', delimiter=r"\s+", names=['col1','col2','col3']) Por ejemplo, se puede verificar de esta manera: for i, r in...
df <- data.frame(var1 = c('a', 'b', 'c'), var2 = c('d', 'e', 'f'), freq = 1:3) ¿Cuál es la forma más simple de expandir cada fila las dos primeras columnas del data.frame anterior, para que cada fila se repita el número de veces especificado en la columna 'freq'? En otras palabras, pasa de...
Tengo una gran tabla de datos , con muchos valores perdidos dispersos en sus ~ 200k filas y 200 columnas. Me gustaría volver a codificar esos valores de NA a ceros de la manera más eficiente posible. Veo dos opciones: 1: convertir a data.frame y usar algo como esto 2: algún tipo de comando de...
Tengo problemas con un marco de datos y realmente no puedo resolver ese problema yo mismo: el marco de datos tiene propiedades arbitrarias como columnas y cada fila representa un conjunto de datos . La pregunta es: ¿Cómo deshacerse de las columnas donde para TODAS las filas el valor es NA...
Tengo un marco de datos como este: df VALUE ABS_CALL DETECTION P-VALUE 1007_s_at "957.729231881542" "P" "0.00486279317241156" 1053_at "320.632701283368" "P" "0.0313356324173416" 117_at "429.842323161046" "P" "0.0170004527476119" 121_at "2395.7364289242" "P" "0.0114473584876183"...
Tengo un marco de datos de pandas y deseo dividirlo en 3 conjuntos separados. Sé que usando train_test_split de sklearn.cross_validation, uno puede dividir los datos en dos conjuntos (entrenar y probar). Sin embargo, no pude encontrar ninguna solución para dividir los datos en tres conjuntos....
Tengo datos guardados en una base de datos postgreSQL. Estoy consultando estos datos usando Python2.7 y convirtiéndolos en un Pandas DataFrame. Sin embargo, la última columna de este marco de datos tiene un diccionario (¿o una lista?) De valores dentro de él. El DataFrame se ve así: [1] df Station...
Estoy tratando de completar ninguno de los valores en un marco de datos de Pandas con 0 para solo un subconjunto de columnas. Cuando lo hago: import pandas as pd df = pd.DataFrame(data={'a':[1,2,3,None],'b':[4,5,None,6],'c':[None,None,7,8]}) print df df.fillna(value=0, inplace=True) print df La...
¿Cuáles son las formas más comunes de los pandas para seleccionar / filtrar filas de un marco de datos cuyo índice es un MultiIndex ? Rebanadas basadas en un solo valor / etiqueta Rebanadas basadas en múltiples etiquetas de uno o más niveles Filtrado en condiciones booleanas y expresiones Qué...
Dado un marco de datos de pandas que contiene posibles valores de NaN dispersos aquí y allá: Pregunta: ¿Cómo determino qué columnas contienen valores de NaN? En particular, ¿puedo obtener una lista de los nombres de columna que contienen
Tengo un DataFrame generado de la siguiente manera: df.groupBy($"Hour", $"Category") .agg(sum($"value") as "TotalValue") .sort($"Hour".asc, $"TotalValue".desc)) Los resultados se ven así: +----+--------+----------+ |Hour|Category|TotalValue| +----+--------+----------+ | 0| cat26| 30.9| | 0|...