J'ai un cadre de données pandas avec plusieurs colonnes et je voudrais construire un dict à partir de deux colonnes: l'une comme les clés du dict et l'autre comme les valeurs du dict. Comment puis je faire ça? Trame de données: area count co tp DE Lake 10 7 Forest 20 5 FR Lake 30 2 Forest 40 3 Je...
J'ai un très grand dataframe (environ 1 million de lignes) avec des données d'une expérience (60 répondants). Je souhaite diviser le dataframe en 60 dataframes (un dataframe pour chaque participant). Dans la trame de données, datail existe une variable appelée 'name', qui est le code unique de...
Environnement: Python 2.7, matplotlib 1.3, notebook IPython 1.1, linux, chrome. Le code est dans une seule cellule d'entrée, en utilisant--pylab=inline Je souhaite utiliser le notebook IPython et les pandas pour consommer un flux et mettre à jour dynamiquement un tracé toutes les 5 secondes....
Existe-t-il une méthode simple dans les pandas pour appeler groupbysur une plage d'incréments de valeurs? Par exemple, étant donné l'exemple ci-dessous, puis-je classer et regrouper la colonne Bavec un 0.155incrément de sorte que, par exemple, le premier couple de groupes de la colonne Bsoit...
J'ai remarqué de très mauvaises performances lors de l'utilisation d'iterrows de pandas. Est-ce quelque chose que les autres vivent? Est-ce spécifique à iterrows et cette fonction doit-elle être évitée pour les données d'une certaine taille (je travaille avec 2-3 millions de lignes)? Cette...
J'ai une série Pandas sf: email [email protected] [1.0, 0.0, 0.0] [email protected] [2.0, 0.0, 0.0] [email protected] [1.0, 0.0, 0.0] [email protected] [4.0, 0.0, 0.0] [email protected] [1.0, 0.0, 3.0] [email protected] [1.0, 5.0, 0.0] Et je voudrais le transformer en DataFrame suivant: index | email |...
Je souhaite fusionner plusieurs chaînes dans un dataframe basé sur un groupedby dans Pandas. C'est mon code pour l'instant: import pandas as pd from io import StringIO data = StringIO(""" "name1","hej","2014-11-01" "name1","du","2014-11-02" "name1","aj","2014-12-01" "name1","oj","2014-12-02"...
Je suis resté coincé sur quelque chose qui devrait être relativement facile. Le code que j'apporte ci-dessous est un exemple basé sur un projet plus vaste sur lequel je travaille. Je n'ai vu aucune raison de publier tous les détails, veuillez donc accepter les structures de données que j'apporte...
J'essaie de lire un fichier JSON dans un cadre de données Python pandas (0.14.0). Voici la première ligne du fichier JSON: {"votes": {"funny": 0, "useful": 0, "cool": 0}, "user_id": "P_Mk0ygOilLJo4_WEvabAA", "review_id": "OeT5kgUOe3vcN7H6ImVmZQ", "stars": 3, "date": "2005-08-26", "text": "This is...
J'explore le passage à python et aux pandas en tant qu'utilisateur SAS de longue date. Cependant, lors de l'exécution de certains tests aujourd'hui, j'ai été surpris que python soit à court de mémoire lors de la tentative d' pandas.read_csv()un fichier csv de 128 Mo. Il contenait environ 200 000...
Quelle est la façon Python de lire un fichier CSV dans un DataFrame pandas (que je peux ensuite utiliser pour des opérations statistiques, peut avoir des colonnes de types différents, etc.)? Mon fichier CSV "value.txt"a le contenu suivant: Date,"price","factor_1","factor_2"
J'ai une trame de données multi-index avec les colonnes «A» et «B». Existe-t-il un moyen de sélectionner des lignes en filtrant sur une colonne du multi-index sans réinitialiser l'index à un seul index de colonne? Par exemple. # has multi-index (A,B) df #can I do this? I know this doesn't work...
Lorsqu'il existe un DataFrame comme celui-ci: import pandas as pd df = pd.DataFrame([1, 1, 1, 1, 1], index=[100, 29, 234, 1, 150], columns=['A']) Comment puis-je trier cette trame de données par index avec chaque combinaison d'index et de valeur de colonne intacte?
J'ai été très confus sur la façon dont les axes python sont définis et s'ils font référence aux lignes ou aux colonnes d'un DataFrame. Considérez le code ci-dessous: >>> df = pd.DataFrame([[1, 1, 1, 1], [2, 2, 2, 2], [3, 3, 3, 3]], columns=["col1", "col2", "col3", "col4"]) >>> df...
J'ai lu un fichier de données délimité par des tabulations dans Windows avec Pandas / Python sans aucun problème. Le fichier de données contient des notes dans les trois premières lignes, puis suit avec un en-tête. df = pd.read_csv(myfile,sep='\t',skiprows=(0,1,2),header=(0)) J'essaye maintenant...
Avec cet exemple CSV: Source,col1,col2,col3 foo,1,2,3 bar,3,4,5 La méthode standard que j'utilise Pandas est la suivante: Analyser CSV Sélectionnez des colonnes dans un bloc de données ( col1et col3) Traiter la colonne (par exemple, calculer la moyenne des valeurs de col1et col3) Existe-t-il une...
Fermé. Cette question ne respecte pas les directives de Stack Overflow . Il n'accepte pas les réponses actuellement. Vous souhaitez améliorer cette question? Mettez à jour la question pour qu'elle soit pertinente pour Stack Overflow. Fermé il y a 2 ans . Améliorez cette question Je suis nouveau...
J'ai un fichier texte enregistré sur S3 qui est une table délimitée par des tabulations. Je veux le charger dans des pandas mais je ne peux pas le sauvegarder d'abord car je suis en cours d'exécution sur un serveur heroku. Voici ce que j'ai jusqu'ici. import io import boto3 import os import pandas...
Je vais convertir un Django QuerySet en pandas DataFramecomme suit: qs = SomeModel.objects.select_related().filter(date__year=2012) q = qs.values('date', 'OtherField') df = pd.DataFrame.from_records(q) Cela fonctionne, mais y a-t-il un moyen plus efficace?
Supposons que j'ai un dictionnaire imbriqué 'user_dict' avec la structure: Niveau 1: UserId (Long Integer) Niveau 2: Catégorie (chaîne) Niveau 3: Attributs assortis (flottants, entiers, etc.) Par exemple, une entrée de ce dictionnaire serait: user_dict[12] = { "Category 1": {"att_1": 1, "att_2":...