Estoy cargando un archivo txt que contiene una mezcla de datos flotantes y de cadena. Quiero almacenarlos en una matriz donde puedo acceder a cada elemento. Ahora solo estoy haciendo import pandas as pd data = pd.read_csv('output_list.txt', header = None) print data Esta es la estructura del...
La pandas drop_duplicatesfunción es excelente para "uniquificar" un marco de datos. Sin embargo, uno de los argumentos de palabras clave para pasar es take_last=Trueo take_last=False, aunque me gustaría descartar todas las filas que están duplicadas en un subconjunto de columnas. es posible? A B...
Regularmente realizo operaciones de pandas en marcos de datos de más de 15 millones de filas y me encantaría tener acceso a un indicador de progreso para operaciones particulares. ¿Existe un indicador de progreso basado en texto para las operaciones de división, aplicación y combinación de...
Tengo un Pandas DataFrame con una columna 'fecha'. Ahora necesito filtrar todas las filas en el DataFrame que tienen fechas fuera de los próximos dos meses. Esencialmente, solo necesito retener las filas que están dentro de los próximos dos meses. ¿Cuál es la mejor manera de lograr...
Estoy tratando de determinar si hay una entrada en una columna Pandas que tenga un valor particular. Traté de hacer esto con if x in df['id']. Pensé que esto estaba funcionando, excepto cuando le di un valor que sabía que no estaba en la columna 43 in df['id']que aún devolvía True. Cuando...
No puedo obtener el promedio o la media de una columna en pandas. A tiene un marco de datos. Ninguna de las cosas que probé a continuación me da el promedio de la columnaweight >>> allDF ID birthyear weight 0 619040 1962 0.1231231 1 600161 1963 0.981742 2 25602033 1963 1.3123124 3...
Tengo un marco de datos con 2 niveles de índice: value Trial measurement 1 0 13 1 3 2 4 2 0 NaN 1 12 3 0 34 Lo que quiero convertir en esto: Trial measurement value 1 0 13 1 1 3 1 2 4 2 0 NaN 2 1 12 3 0 34 ¿Cómo puedo hacer esto mejor? Necesito esto porque quiero agregar los...
Entiendo que para soltar una columna se usa df.drop ('nombre de columna', eje = 1). ¿Hay alguna manera de soltar una columna usando un índice numérico en lugar del nombre de la
¿Cómo accedo al marco de datos groupby correspondiente en un objeto groupby mediante la clave? Con el siguiente groupby: rand = np.random.RandomState(1) df = pd.DataFrame({'A': ['foo', 'bar'] * 3, 'B': rand.randn(6), 'C': rand.randint(0, 20, 6)}) gb = df.groupby(['A']) Puedo recorrerlo para...
Sé que esta es una pregunta muy básica, pero por alguna razón no puedo encontrar una respuesta. ¿Cómo puedo obtener el índice de cierto elemento de una serie en pandas python? (primera aparición sería suficiente) Es decir, me gustaría algo como: import pandas as pd myseries =...
Tengo el siguiente DataFrame: In [1]: import pandas as pd df = pd.DataFrame({'a': [1,2,3], 'b': [2,3,4], 'c':['dd','ee','ff'], 'd':[5,9,1]}) df Out [1]: a b c d 0 1 2 dd 5 1 2 3 ee 9 2 3 4 ff 1 Me gustaría agregar una columna 'e'que es la suma de la columna 'a', 'b'y 'd'. Al pasar por los...
Estoy trabajando con el índice booleano en Pandas. La pregunta es por qué la declaración: a[(a['some_column']==some_number) & (a['some_other_column']==some_other_number)] funciona bien mientras a[(a['some_column']==some_number) and (a['some_other_column']==some_other_number)] sale con...
Tengo una situación en la que a veces, cuando leo una csvde dfobtengo un índice similar columna llamada no deseada unnamed:0. file.csv ,A,B,C 0,1,2,3 1,4,5,6 2,7,8,9 El CSV se lee con esto: pd.read_csv('file.csv') Unnamed: 0 A B C 0 0 1 2 3 1 1 4 5 6 2 2 7 8 9 Esto es muy molesto! ¿Alguien...
Quiero encontrar todos los valores en un marco de datos de Pandas que contengan espacios en blanco (cualquier cantidad arbitraria) y reemplazar esos valores con NaN. ¿Alguna idea de cómo se puede mejorar esto? Básicamente quiero convertir esto: A B C 2000-01-01 -0.532681 foo 0 2000-01-02...
Hoy me sorprendió positivamente el hecho de que, al leer datos de un archivo de datos (por ejemplo), los pandas pueden reconocer tipos de valores: df = pandas.read_csv('test.dat', delimiter=r"\s+", names=['col1','col2','col3']) Por ejemplo, se puede verificar de esta manera: for i, r in...
Tengo un DataFrame dinámico que funciona bien, pero cuando no hay datos para agregar al DataFrame, aparece un error. Y, por lo tanto, necesito una solución para crear un DataFrame vacío con solo los nombres de columna. Por ahora tengo algo como esto: df = pd.DataFrame(columns=COLUMN_NAMES) # Note...
Tengo un escenario en el que un usuario quiere aplicar varios filtros a un objeto Pandas DataFrame o Series. Esencialmente, quiero encadenar eficientemente un conjunto de filtros (operaciones de comparación) que el usuario especifica en tiempo de ejecución. Los filtros deben ser aditivos (es...
Esto es obviamente simple, pero como un nuevo numpy me estoy atascando. Tengo un archivo CSV que contiene 3 columnas, el estado, la identificación de la oficina y las ventas de esa oficina. Quiero calcular el porcentaje de ventas por oficina en un estado determinado (el total de todos los...
Quiero aplicar una función con argumentos a una serie en pandas python: x = my_series.apply(my_function, more_arguments_1) y = my_series.apply(my_function, more_arguments_2) ... La documentación describe el soporte para un método de aplicación, pero no acepta ningún argumento. ¿Hay algún método...
Tengo un DataFrame con muchos valores faltantes en columnas que deseo agrupar por: import pandas as pd import numpy as np df = pd.DataFrame({'a': ['1', '2', '3'], 'b': ['4', np.NaN, '6']}) In [4]: df.groupby('b').groups Out[4]: {'4': [0], '6': [2]} ver que Pandas ha eliminado las filas con...