Estoy buscando una manera eficiente de eliminar partes no deseadas de las cadenas en una columna DataFrame. Los datos se ven así: time result 1 09:00 +52A 2 10:00 +62B 3 11:00 +44a 4 12:00 +30b 5 13:00 -110a Necesito recortar estos datos para: time result 1 09:00 52 2 10:00 62 3 11:00 44 4...
Tengo algunos Pandas DataFrames que comparten la misma escala de valores, pero que tienen diferentes columnas e índices. Al invocar df.plot(), obtengo imágenes de trama separadas. lo que realmente quiero es tenerlos a todos en la misma trama que las subtramas, pero desafortunadamente no puedo...
Tengo una lista de marcos de datos de Pandas que me gustaría combinar en un marco de datos de Pandas. Estoy usando Python 2.7.10 y Pandas 0.16.2 Creé la lista de marcos de datos de: import pandas as pd dfs = [] sqlall = "select * from mytable" for chunk in pd.read_sql_query(sqlall , cnxn,...
¿Existe una forma integrada de pandas para aplicar dos funciones de agregación diferentes f1, f2a la misma columna df["returns"], sin tener que llamar agg()varias veces? Marco de datos de ejemplo: import pandas as pd import datetime as dt pd.np.random.seed(0) df = pd.DataFrame({ "date" :...
Estoy tratando de escribir un marco de datos Pandas (o puedo usar una matriz numpy) en una base de datos mysql usando MysqlDB. MysqlDB no parece entender 'nan' y mi base de datos arroja un error que dice que nan no está en la lista de campos. Necesito encontrar una manera de convertir el 'nan' en...
Tengo el siguiente código que importa un archivo CSV. Hay 3 columnas y quiero establecer las dos primeras en variables. Cuando configuro la segunda columna a la variable "eficiencia", la columna de índice también se agrega. ¿Cómo puedo deshacerme de la columna de índice? df =...
Tengo una lista de elementos que probablemente tengan algunos problemas de exportación. Me gustaría obtener una lista de los elementos duplicados para poder compararlos manualmente. Cuando trato de usar el método pandas duplicado , solo devuelve el primer duplicado. ¿Hay alguna forma de obtener...
Tengo el siguiente marco de datos de pandas Top15: Creo una columna que estima la cantidad de documentos citables por persona: Top15['PopEst'] = Top15['Energy Supply'] / Top15['Energy Supply per Capita'] Top15['Citable docs per Capita'] = Top15['Citable documents'] / Top15['PopEst'] Quiero...
Mis datos pueden tener múltiples eventos en una fecha determinada o NO eventos en una fecha. Tomo estos eventos, obtengo un recuento por fecha y los trazo. Sin embargo, cuando los trazo, mis dos series no siempre coinciden. idx = pd.date_range(df['simpleDate'].min(), df['simpleDate'].max()) s =...
Estoy leyendo en un archivo csv con múltiples columnas de fecha y hora. Necesitaría configurar los tipos de datos al leer el archivo, pero las fechas y horas parecen ser un problema. Por ejemplo: headers = ['col1', 'col2', 'col3', 'col4'] dtypes = ['datetime', 'datetime', 'str',...
Me gustaría fusionar dos DataFramesy mantener el índice del primer fotograma como índice en el conjunto de datos combinado. Sin embargo, cuando hago la fusión, el DataFrame resultante tiene un índice entero. ¿Cómo puedo especificar que quiero mantener el índice del marco de datos izquierdo? In...
¿Cuál es la forma más sencilla de eliminar columnas duplicadas de un marco de datos? Estoy leyendo un archivo de texto que tiene columnas duplicadas a través de: import pandas as pd df=pd.read_table(fname) Los nombres de las columnas son: Time, Time Relative, N2, Time, Time Relative, H2,...
Tengo un Pandas DataFrame y quiero combinar las columnas 'lat' y 'long' para formar una tupla. <class 'pandas.core.frame.DataFrame'> Int64Index: 205482 entries, 0 to 209018 Data columns: Month 205482 non-null values Reported by 205482 non-null values Falls within 205482 non-null...
Me he estado preguntando ... Si estoy leyendo, digamos, un archivo csv de 400 MB en un marco de datos de pandas (usando read_csv o read_table), ¿hay alguna forma de estimar cuánta memoria necesitará? Solo intento tener una mejor idea de los marcos de datos y la memoria
Tengo un DataFrame y quiero reemplazar los valores en una columna en particular que exceden un valor con cero. Pensé que esta era una forma de lograr esto: df[df.my_channel > 20000].my_channel = 0 Si copio el canal en un nuevo marco de datos, es simple: df2 = df.my_channel df2[df2 > 20000]...
Tengo un DataFrame como este: In [7]: frame.head() Out[7]: Communications and Search Business General Lifestyle 0 0.745763 0.050847 0.118644 0.084746 0 0.333333 0.000000 0.583333 0.083333 0 0.617021 0.042553 0.297872 0.042553 0 0.435897 0.000000 0.410256 0.153846 0 0.358974 0.076923 0.410256...
Sé que si yo uso randn, import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(100, 4), columns=list('ABCD')) me da lo que busco, pero con elementos de una distribución normal. Pero, ¿y si solo quisiera números enteros aleatorios? randintfunciona proporcionando un rango, pero...
Soy nuevo en los pandas y estoy tratando de descubrir cómo agregar varias columnas a los pandas simultáneamente. Cualquier ayuda aquí será apreciada. Idealmente, me gustaría hacer esto en un paso en lugar de varios pasos repetidos ... import pandas as pd df = {'col_1': [0, 1, 2, 3], 'col_2': [4,...
Tengo un marco de datos como este: A B C 0 1 0.749065 This 1 2 0.301084 is 2 3 0.463468 a 3 4 0.643961 random 4 1 0.866521 string 5 2 0.120737 ! Vocación In [10]: print df.groupby("A")["B"].sum() volverá A 1 1.615586 2 0.421821 3 0.463468 4 0.643961 Ahora me gustaría hacer "lo mismo" para...
Estoy tratando de acceder al índice de una fila en una función aplicada en todo un DataFramePandas. Tengo algo como esto: df = pandas.DataFrame([[1,2,3],[4,5,6]], columns=['a','b','c']) >>> df a b c 0 1 2 3 1 4 5 6 y definiré una función que acceda a elementos con una fila...