Me gustaría filtrar limpiamente un marco de datos usando expresiones regulares en una de las columnas. Para un ejemplo artificial: In [210]: foo = pd.DataFrame({'a' : [1,2,3,4], 'b' : ['hi', 'foo', 'fat', 'cat']}) In [211]: foo Out[211]: a b 0 1 hi 1 2 foo 2 3 fat 3 4 cat Quiero filtrar las...
Tengo un DataFrame con cuatro columnas. Quiero convertir este DataFrame en un diccionario de Python. Quiero que los elementos de la primera columna sean keysy los elementos de otras columnas en la misma fila values. Marco de datos: ID A B C 0 p 1 3 2 1 q 4 3 2 2 r 4 0 9 La salida debería ser...
Tengo un archivo de hoja de cálculo grande (.xlsx) que estoy procesando con los pandas de Python. Sucede que necesito datos de dos pestañas en ese archivo grande. Una de las pestañas tiene una tonelada de datos y la otra son solo unas pocas celdas cuadradas. Cuando uso pd.read_excel () en...
¿Por qué los pandas hacen una distinción entre ay Seriesuna sola columna DataFrame? En otras palabras: ¿cuál es la razón de la existencia de la Seriesclase? Principalmente estoy usando series de tiempo con índice de fecha y hora, tal vez eso ayude a establecer el contexto....
Quiero agrupar mi marco de datos por dos columnas y luego ordenar los resultados agregados dentro de los grupos. In [167]: df Out[167]: count job source 0 2 sales A 1 4 sales B 2 6 sales C 3 3 sales D 4 7 sales E 5 5 market A 6 3 market B 7 2 market C 8 4 market D 9 1 market E In...
Estoy leyendo un archivo csv en pandas. Este archivo csv consta de cuatro columnas y algunas filas, pero no tiene una fila de encabezado, que quiero agregar. He estado intentando lo siguiente: Cov = pd.read_csv("path/to/file.txt", sep='\t') Frame=pd.DataFrame([Cov], columns = ["Sequence", "Start",...
Tengo el siguiente DataFrame: cliente item1 item2 item3 1 tomate de leche de manzana 2 papas de naranja con agua 3 chips de jugo de mango que quiero traducir a la lista de diccionarios por fila rows = [{'customer': 1, 'item1': 'apple', 'item2': 'milk', 'item3': 'tomato'}, {'customer': 2,...
Me gustaría mostrar un marco de datos de pandas con un formato determinado usando print()y el IPython display(). Por ejemplo: df = pd.DataFrame([123.4567, 234.5678, 345.6789, 456.7890], index=['foo','bar','baz','quux'], columns=['cost']) print df cost foo 123.4567 bar 234.5678 baz...
Tengo un marco de datos de pandas en el siguiente formato: df = pd.DataFrame([[1.1, 1.1, 1.1, 2.6, 2.5, 3.4,2.6,2.6,3.4,3.4,2.6,1.1,1.1,3.3], list('AAABBBBABCBDDD'), [1.1, 1.7, 2.5, 2.6, 3.3, 3.8,4.0,4.2,4.3,4.5,4.6,4.7,4.7,4.8],
Quiero crear una nueva columna en un pandasmarco de datos aplicando una función a dos columnas existentes. Después de esta respuesta , he podido crear una nueva columna cuando solo necesito una columna como argumento: import pandas as pd df = pd.DataFrame({"A": [10,20,30], "B": [20, 30, 10]}) def...
¿Cómo tomo varias listas y las pongo como columnas diferentes en un marco de datos de Python? Probé esta solución pero tuve algunos problemas. Intento 1: Ten tres listas, y únelas y úsalas res = zip(lst1,lst2,lst3) Produce solo una columna Intento 2: percentile_list = pd.DataFrame({'lst1Tite'...
Tengo un marco de datos donde algunas celdas contienen listas de múltiples valores. En lugar de almacenar múltiples valores en una celda, me gustaría expandir el marco de datos para que cada elemento de la lista obtenga su propia fila (con los mismos valores en todas las demás columnas). Entonces...
¿Cómo se puede modificar el formato para la salida de una operación groupby en pandas que produce notación científica para números muy grandes? Sé cómo formatear cadenas en Python, pero estoy perdido cuando se trata de aplicarlo aquí. df1.groupby('dept')['data1'].sum() dept value1...
Estoy tratando de resaltar exactamente lo que cambió entre dos marcos de datos. Supongamos que tengo dos marcos de datos de Python Pandas: "StudentRoster Jan-1": id Name score isEnrolled Comment 111 Jack 2.17 True He was late to class 112 Nick 1.11 False Graduated 113 Zoe 4.12 True...
Supongamos que tengo pandas DataFrame como este: >>> df = pd.DataFrame({'id':[1,1,1,2,2,2,2,3,4],'value':[1,2,3,1,2,3,4,1,1]}) >>> df id value 0 1 1 1 1 2 2 1 3 3 2 1 4 2 2 5 2 3 6 2 4 7 3 1 8 4 1 Quiero obtener un nuevo DataFrame con los 2 registros principales para cada ID,...
Tengo un marco de datos con valores de repetición en la columna A. Quiero eliminar duplicados, manteniendo la fila con el valor más alto en la columna B. Así que esto: A B 1 10 1 20 2 30 2 40 3 10 Debería convertirse en esto: A B 1 20 2 40 3 10 Wes ha agregado una buena funcionalidad para...
Hola, tengo los siguientes marcos de datos: > df1 id begin conditional confidence discoveryTechnique 0 278 56 false 0.0 1 1 421 18 false 0.0 1 > df2 concept 0 A 1 B ¿Cómo me fusiono en los índices para obtener: id begin conditional confidence discoveryTechnique concept 0 278 56...
Recientemente me encontré con la biblioteca de pandas para Python, que según este punto de referencia realiza fusiones en memoria muy rápidas. Es incluso más rápido que el paquete data.table en R (mi lenguaje de elección para el análisis). ¿Por qué es pandasmucho más rápido que data.table? ¿Se...
¿Hay una forma preferida de mantener el tipo de datos de una numpymatriz fija como int( int64o lo que sea), mientras que todavía tiene un elemento dentro de la lista como numpy.NaN? En particular, estoy convirtiendo una estructura de datos interna en un Pandas DataFrame. En nuestra estructura,...
¿Hay alguna manera de seleccionar filas aleatorias de un DataFrame en Pandas? En R, usando el paquete de automóvil, hay una función útil some(x, n)que es similar a head pero selecciona, en este ejemplo, 10 filas al azar de x. También he mirado la documentación de corte y parece que no hay nada...