Estoy empezando con datos de entrada como este df1 = pandas.DataFrame( { "Name" : ["Alice", "Bob", "Mallory", "Mallory", "Bob" , "Mallory"] , "City" : ["Seattle", "Seattle", "Portland", "Seattle", "Seattle", "Portland"] } ) Que cuando se imprime aparece así: City Name 0 Seattle Alice 1...
Tengo un marco de datos de 20 x 4000 en Python usando pandas. Dos de estas columnas se nombran Yeary quarter. Me gustaría crear una variable llamada periodque hagaYear = 2000 y quarter= q2en 2000q2. ¿Alguien puede ayudar con
En Python Pandas, ¿cuál es la mejor manera de verificar si un DataFrame tiene uno (o más) valores NaN? Sé acerca de la función pd.isnan, pero esto devuelve un DataFrame de booleanos para cada elemento. Esta publicación aquí tampoco responde exactamente a mi
He creado un marco de datos de Pandas df = DataFrame(index=['A','B','C'], columns=['x','y']) y tengo esto xy A NaN NaN B NaN NaN C NaN NaN Luego quiero asignar valor a una celda en particular, por ejemplo para la fila 'C' y la columna 'x'. Esperaba obtener ese resultado: xy A NaN NaN B NaN...
¿Me puede decir cuándo usar estos métodos de vectorización con ejemplos básicos? Veo que mapes un Seriesmétodo, mientras que el resto son DataFramemétodos. Sin embargo, me confundí applyy los applymapmétodos. ¿Por qué tenemos dos métodos para aplicar una función a un DataFrame? Una vez más,...
Estoy interesado en saber cómo convertir un marco de datos de pandas en una matriz NumPy. marco de datos: import numpy as np import pandas as pd index = [1, 2, 3, 4, 5, 6, 7] a = [np.nan, np.nan, np.nan, 0.1, 0.1, 0.1, 0.1] b = [0.2, np.nan, 0.2, 0.2, 0.2, np.nan, np.nan] c = [np.nan, 0.5, 0.5,...
Tengo datos, en los que quiero encontrar el número NaN, de modo que si es inferior a algún umbral, eliminaré estas columnas. Miré, pero no pude encontrar ninguna función para esto. lo hay value_counts, pero sería lento para mí, porque la mayoría de los valores son distintos y NaNsolo quiero...
Estoy comenzando con los documentos de Pandas DataFrame aquí: http://pandas.pydata.org/pandas-docs/stable/dsintro.html Me gustaría llenar iterativamente el DataFrame con valores en un tipo de cálculo de serie temporal. Básicamente, me gustaría inicializar el DataFrame con columnas A, B y filas de...
Tengo un marco de datos como a continuación itm Date Amount 67 420 2012-09-30 00:00:00 65211 68 421 2012-09-09 00:00:00 29424 69 421 2012-09-16 00:00:00 29877 70 421 2012-09-23 00:00:00 30990 71 421 2012-09-30 00:00:00 61303 72 485 2012-09-09 00:00:00 71781 73 485 2012-09-16 00:00:00 NaN 74 485...
Esto parece bastante obvio, pero parece que no puedo entender cómo convertir un índice de marco de datos en una columna. Por ejemplo: df= gi ptt_loc 0 384444683 593 1 384444684 594 2 384444686 596 A, df= index1 gi ptt_loc 0 0 384444683 593 1 1 384444684 594 2 2 384444686 596...
Tengo un DataFramecon 4 columnas de las cuales 2 contienen valores de cadena. Me preguntaba si había una manera de seleccionar filas en función de una coincidencia de cadena parcial contra una columna en particular. En otras palabras, una función o función lambda que haría algo como...
Tengo el siguiente DataFrame: Col1 Col2 Col3 Type 0 1 2 3 1 1 4 5 6 1 ... 20 7 8 9 2 21 10 11 12 2 ... 45 13 14 15 3 46 16 17 18 3 ... El DataFrame se lee desde un archivo csv. Todas las filas que tienen Type1 están arriba, seguidas por las filas con Type2, seguidas por las filas con Type3,...
Tengo un marco de datos dfy uso varias columnas para groupby: df['col1','col2','col3','col4'].groupby(['col1','col2']).mean() De la manera anterior, casi obtengo la tabla (marco de datos) que necesito. Lo que falta es una columna adicional que contenga el número de filas en cada grupo. En otras...
¿Cómo puedo lograr los equivalentes de SQL INy NOT IN? Tengo una lista con los valores requeridos. Aquí está el escenario: df = pd.DataFrame({'countries':['US','UK','Germany','China']}) countries = ['UK','China'] # pseudo-code: df[df['countries'] not in countries] Mi forma actual de hacer esto...
Estoy ejecutando un programa que procesa 30,000 archivos similares. Un número aleatorio de ellos se detiene y produce este error ... File "C:\Importer\src\dfman\importer.py", line 26, in import_chr data = pd.read_csv(filepath, names=fields) File
Estoy tratando de guardar un csv en una carpeta después de hacer algunas modificaciones en el archivo. Cada vez que uso pd.to_csv('C:/Path of file.csv')el archivo csv tiene una columna separada de índices. Quiero evitar imprimir el índice en csv. Lo intenté: pd.read_csv('C:/Path to file to...
Me gustaría leer varios archivos csv de un directorio en pandas y concatenarlos en un gran DataFrame. Sin embargo, no he podido resolverlo. Esto es lo que tengo hasta ahora: import glob import pandas as pd # get data file names path =r'C:\DRO\DCL_rawdata_files' filenames = glob.glob(path +...
Tengo curiosidad por saber por qué df[2]no es compatible, mientras que df.ix[2]y df[2:3]ambos funcionan. In [26]: df.ix[2] Out[26]: A 1.027680 B 1.514210 C -1.466963 D -0.162339 Name: 2000-01-03 00:00:00 In [27]: df[2:3] Out[27]: A B C D 2000-01-03 1.02768 1.51421 -1.466963
Esta puede ser una pregunta simple, pero no puedo entender cómo hacerlo. Digamos que tengo dos variables de la siguiente manera. a = 2 b = 3 Quiero construir un DataFrame a partir de esto: df2 = pd.DataFrame({'A':a,'B':b}) Esto genera un error: ValueError: si usa todos los valores...
Tener problemas para filtrar mi marco de datos de resultados con una orcondición. Quiero que mi resultado dfextraiga todos los varvalores de columna que estén por encima de 0.25 y por debajo de -0.25. Esta lógica a continuación me da un valor de verdad ambiguo, sin embargo, funciona cuando divido...