Tengo unos pandas DataFramecomo los siguientes. df = pd.DataFrame({'id' : [1,1,1,2,2,3,3,3,3,4,4,5,6,6,6,7,7], 'value' : ["first","second","second","first", "second","first","third","fourth", "fifth","second","fifth","first", "first","second","third","fourth","fifth"]}) Quiero agrupar esto...
Soy nuevo en python y pandas. Estoy tratando de tsvcargar un archivo en pandas DataFrame. Esto es lo que intento y el error que obtengo: >>> df1 = DataFrame(csv.reader(open('c:/~/trainSetRel3.txt'), delimiter='\t')) Traceback (most recent call last): File "<pyshell#28>", line 1,...
Tengo los siguientes 2 marcos de datos: df_a = mukey DI PI 0 100000 35 14 1 1000005 44 14 2 1000006 44 14 3 1000007 43 13 4 1000008 43 13 df_b = mukey niccdcd 0 190236 4 1 190237 6 2 190238 7 3 190239 4 4 190240 7 Cuando intento unirme a estos 2 marcos de datos: join_df =
¿Cuál es la forma más eficiente de organizar el siguiente marco de datos de pandas? datos = Position Letter 1 a 2 b 3 c 4 d 5 e en un diccionario como alphabet[1 : 'a', 2 : 'b', 3 : 'c', 4 : 'd', 5 :
Estoy trabajando con un archivo csv grande y la penúltima columna tiene una cadena de texto que quiero dividir por un delimitador específico. Me preguntaba si hay una manera simple de hacer esto usando pandas o python. CustNum CustomerName ItemQty Item Seatblocks ItemExt 32363 McCartney, Paul 3...
Tengo un DataFrame de pandas con una columna: import pandas as pd df = pd.DataFrame( data={ "teams": [ ["SF", "NYG"], ["SF", "NYG"], ["SF", "NYG"], ["SF", "NYG"], ["SF", "NYG"], ["SF", "NYG"], ["SF", "NYG"], ] } ) print(df) Salida: teams 0 [SF, NYG] 1 [SF, NYG] 2 [SF, NYG] 3 [SF,...
Tengo una columna en Python pandas DataFrame que tiene valores booleanos True / False, pero para cálculos adicionales necesito una representación 1/0. ¿Hay una forma rápida de pandas / numpy de hacer
df = pd.DataFrame({'Col1': ['Bob', 'Joe', 'Bill', 'Mary', 'Joe'], 'Col2': ['Joe', 'Steve', 'Bob', 'Bob', 'Steve'], 'Col3': np.random.random(5)}) ¿Cuál es la mejor manera de devolver los valores únicos de 'Col1' y 'Col2'? La salida deseada es 'Bob', 'Joe', 'Bill', 'Mary',
Recibo el siguiente error al importar pandasen un Pythonprograma monas-mbp:book mona$ sudo pip install python-dateutil Requirement already satisfied (use --upgrade to upgrade): python-dateutil in /System/Library/Frameworks/Python.framework/Versions/2.7/Extras/lib/python Cleaning
Estoy filtrando filas en un marco de datos por valores en dos columnas. Por alguna razón, el operador OR se comporta como yo esperaría que el operador AND se comportara y viceversa. Mi código de prueba: import pandas as pd df = pd.DataFrame({'a': range(5), 'b': range(5) }) # let's insert some...
Quiero imprimir el resultado de la agrupación con Pandas. Tengo un marco de datos: import pandas as pd df = pd.DataFrame({'A': ['one', 'one', 'two', 'three', 'three', 'one'], 'B': range(6)}) print(df) A B 0 one 0 1 one 1 2 two 2 3 three 3 4 three 4 5 one 5 Al imprimir después de agrupar por...
La simple tarea de agregar una fila a un pandas.DataFrameobjeto parece ser difícil de lograr. Hay 3 preguntas de stackoverflow relacionadas con esto, ninguna de las cuales da una respuesta funcional. Esto es lo que estoy tratando de hacer. Tengo un DataFrame del que ya conozco la forma, así como...
Tengo un problema de clasificación de aprendizaje automático con 80% de variables categóricas. ¿Debo usar una codificación activa si quiero usar algún clasificador para la clasificación? ¿Puedo pasar los datos a un clasificador sin la codificación? Estoy tratando de hacer lo siguiente para la...
Tengo un DataFrame simple como el siguiente: Quiero seleccionar todos los valores de la columna 'Primera temporada' y reemplazar los que están por encima de 1990 por 1. En este ejemplo, solo Baltimore Ravens tendría el 1996 reemplazado por 1 (manteniendo el resto de los datos intactos). He...
He manipulado algunos datos usando pandas y ahora quiero llevar a cabo un lote de nuevo en la base de datos. Esto requiere que convierta el marco de datos en una matriz de tuplas, con cada tupla correspondiente a una "fila" del marco de datos. Mi DataFrame se parece a: In [182]:...
Supongamos que tengo un marco de datos de pandas df: Quiero calcular la columna sabia media de un marco de datos. Esto es facil: df.apply(average) entonces el rango sabio de columna max (col) - min (col). Esto es fácil nuevamente: df.apply(max) - df.apply(min) Ahora, para cada elemento,...
Tengo un gran marco de datos (aproximadamente 12 millones de filas) df con decir: df.columns = ['word','documents','frequency'] Entonces lo siguiente se ejecutó de manera oportuna: word_grouping = df[['word','frequency']].groupby('word') MaxFrequency_perWord =
Tengo un marco de datos que consta de cientos de columnas y necesito ver todos los nombres de las columnas. Lo que hice: In[37]: data_all2.columns La salida es: Out[37]: Index(['customer_id', 'incoming', 'outgoing', 'awan', 'bank', 'family', 'food', 'government', 'internet', 'isipulsa',...
Necesito usar diferentes funciones para tratar columnas numéricas y columnas de cadena. Lo que estoy haciendo ahora es realmente tonto: allc = list((agg.loc[:, (agg.dtypes==np.float64)|(agg.dtypes==np.int)]).columns) for y in allc: treat_numeric(agg[y]) allc = list((agg.loc[:,...
cuando se llama a mi función f con una variable, quiero verificar si var es un marco de datos de pandas: def f(var): if var == pd.DataFrame(): print "do stuff" Supongo que la solución podría ser bastante simple, pero incluso con def f(var): if var.values != None: print "do stuff" No puedo...