Considere un archivo csv: string,date,number a string,2/5/11 9:16am,1.0 a string,3/5/11 10:44pm,2.0 a string,4/22/11 12:07pm,3.0 a string,4/22/11 12:10pm,4.0 a string,4/29/11 11:59am,1.0 a string,5/2/11 1:41pm,2.0 a string,5/2/11 2:02pm,3.0 a string,5/2/11 2:56pm,4.0 a string,5/2/11...
Con este ejemplo de CSV: Source,col1,col2,col3 foo,1,2,3 bar,3,4,5 El método estándar que uso Pandas es este: Analizar CSV Seleccionar columnas en un marco de datos ( col1y col3) Procesar la columna (por ejemplo, promediar los valores de col1y col3) ¿Existe una biblioteca de JavaScript...
Tengo un archivo de texto guardado en S3 que es una tabla delimitada por tabulaciones. Quiero cargarlo en pandas pero no puedo guardarlo primero porque lo estoy ejecutando en un servidor heroku. Esto es lo que tengo hasta ahora. import io import boto3 import os import pandas as
A menudo necesito aplicar una función a los grupos de un muy grande DataFrame(de tipos de datos mixtos) y me gustaría aprovechar varios núcleos. Puedo crear un iterador a partir de los grupos y usar el módulo de multiprocesamiento, pero no es eficiente porque cada grupo y los resultados de la...
Tengo un marco de datos de Python Pandas, en el que una columna contiene el nombre del mes. ¿Cómo puedo hacer una ordenación personalizada usando un diccionario, por ejemplo: custom_dict = {'March':0, 'April':1, 'Dec':3}
¿Cómo puedo exportar una lista de DataFrames a una hoja de cálculo de Excel? Los documentos para el to_excelestado: Notas Si pasa un objeto ExcelWriter existente, la hoja se agregará al libro de trabajo existente. Esto se puede usar para guardar diferentes DataFrames en un libro de...
Tengo dos marcos de datos. Ejemplos: df1: Date Fruit Num Color 2013-11-24 Banana 22.1 Yellow 2013-11-24 Orange 8.6 Orange 2013-11-24 Apple 7.6 Green 2013-11-24 Celery 10.2 Green df2: Date Fruit Num Color 2013-11-24 Banana 22.1 Yellow 2013-11-24 Orange 8.6 Orange 2013-11-24 Apple 7.6...
Estoy tratando de hacer un diagrama de dispersión simple en pyplot usando un objeto Pandas DataFrame, pero quiero una forma eficiente de trazar dos variables pero que los símbolos estén dictados por una tercera columna (clave). He intentado varias formas usando df.groupby, pero no con éxito. A...
Estaba buscando una forma de anotar mis barras en un gráfico de barras de Pandas con los valores numéricos redondeados de mi DataFrame. >>> df=pd.DataFrame({'A':np.random.rand(2),'B':np.random.rand(2)},index=['value1','value2'] ) >>> df A B value1 0.440922 0.911800 value2...
Ambos son formatos de almacenamiento en columna (disco) para su uso en sistemas de análisis de datos. Ambos están integrados dentro de Apache Arrow ( paquete pyarrow para python) y están diseñados para corresponder con Arrow como una capa analítica en memoria en columnas. ¿En qué se diferencian...
Estoy leyendo un CSV con números flotantes como este: Bob,0.085 Alice,0.005 E importe en un marco de datos y escriba este marco de datos en un nuevo lugar df = pd.read_csv(orig) df.to_csv(pandasfile) Ahora esto pandasfiletiene: Bob,0.085000000000000006 Alice,0.0050000000000000001 ¿Qué...
Tengo un conjunto de datos con columnas de índices múltiples en un pandas df que me gustaría ordenar por valores en una columna específica. He intentado usar sortindex y sortlevel pero no he podido obtener los resultados que estoy buscando. Mi conjunto de datos se ve así: Group1 Group2 A B C...
Tengo un DataFrame que contiene números como cadenas con comas para el marcador de miles. Necesito convertirlos en flotadores. a = [['1,200', '4,200'], ['7,000', '-0.03'], [ '5', '0']] df=pandas.DataFrame(a) Supongo que necesito usar locale.atof. En efecto df[0].apply(locale.atof) funciona...
Cuando se usa R, es útil cargar conjuntos de datos de "práctica" usando data(iris) o data(mtcars) ¿Hay algo similar para Pandas? Sé que puedo cargar usando cualquier otro método, solo tengo curiosidad por saber si hay algo incorporado.
Tengo un marco de datos de pandas (esto es solo una pequeña parte) >>> d1 y norm test y norm train len(y_train) len(y_test) \ 0 64.904368 116.151232 1645 549 1 70.852681 112.639876 1645 549 SVR RBF \ 0 (35.652207342877873, 22.95533537448393) 1 (39.563683797747622,...
¿Cuál es la mejor manera de hacer un groupby en un marco de datos de Pandas, pero excluir algunas columnas de ese groupby? por ejemplo, tengo el siguiente marco de datos: Code Country Item_Code Item Ele_Code Unit Y1961 Y1962 Y1963 2 Afghanistan 15 Wheat 5312 Ha 10 20 30 2 Afghanistan 25 Maize...
Quiero agregar un _xsufijo a cada nombre de columna así: featuresA = myPandasDataFrame.columns.values + '_x' ¿Cómo hago esto? Además, si quisiera agregar x_como sufijo, ¿cómo cambiaría la solución?
Quiero poder establecer los xticks mayores y menores y sus etiquetas para un gráfico de serie de tiempo trazada a partir de un objeto de serie de tiempo de Pandas. La página de "novedades" de Pandas 0.9 dice: "puede usar to_pydatetime o registrar un convertidor para el tipo de marca de...
He iniciado mi portátil IPython con ipython notebook --pylab inline Este es mi código en una celda df['korisnika'].plot() df['osiguranika'].plot() Esto funciona bien, dibujará dos líneas, pero en el mismo gráfico. Me gustaría dibujar cada línea en un gráfico separado. Y sería genial si...
¿Esa es la diferencia entre groupby("x").county groupby("x").sizeen pandas? ¿El tamaño simplemente excluye nada?