在数据帧连接时保留分类数据类型
是指在数据帧（DataFrame）连接操作中，保留原始数据集中的分类（Categorical）数据类型。
分类数据类型是一种用于表示有限个数离散值的数据类型，例如性别（男、女）、学历（小学、初中、高中、大学）等。相比于普通的文本或数字类型，分类数据类型具有更多的优势和应用场景。
优势：
- 节省内存：分类数据类型使用整数编码来存储数据，相比于字符串或其他类型，可以大幅减少数据占用的内存空间。
- 提高性能：在数据处理和分析过程中，使用分类数据类型可以加速计算和操作，提高程序的运行效率。
- 保留语义信息：分类数据类型可以保留原始数据集中的语义信息，使得数据分析和可视化更加准确和直观。
应用场景：
- 数据清洗和预处理：在数据清洗和预处理阶段，对于具有有限取值的特征，可以将其转换为分类数据类型，以减少内存占用和提高处理效率。
- 数据分析和建模：在进行数据分析和建模任务时，对于具有固定取值范围的特征，可以将其转换为分类数据类型，以提高计算性能和模型训练效果。
- 可视化和报告：在数据可视化和报告生成过程中，使用分类数据类型可以更好地展示和传达数据的特征和含义。
推荐的腾讯云相关产品： 腾讯云提供了多个与数据处理和分析相关的产品和服务，以下是其中几个推荐的产品：
- 腾讯云数据万象（COS）：腾讯云对象存储（COS）是一种高扩展性、低成本的云端存储服务，可用于存储和管理大规模的结构化和非结构化数据。链接地址：https://cloud.tencent.com/product/cos
- 腾讯云数据湖分析（DLA）：腾讯云数据湖分析（DLA）是一种快速、弹性、完全托管的云原生数据湖分析服务，可用于在数据湖中进行数据查询、分析和挖掘。链接地址：https://cloud.tencent.com/product/dla
- 腾讯云弹性MapReduce（EMR）：腾讯云弹性MapReduce（EMR）是一种大数据处理和分析服务，基于开源的Apache Hadoop和Apache Spark框架，可用于快速处理和分析大规模数据集。链接地址：https://cloud.tencent.com/product/emr
请注意，以上推荐的产品仅代表腾讯云的一部分数据处理和分析相关产品，更多产品和服务可在腾讯云官网进行查找和了解。
相关·内容
1回答
独立的数值变量和范畴变量
、、、
我有一个数据集(42000，10)，其中包含7个分类特征和3个数字。我想把数字和分类特征分成两个不同的数据帧，即两个数据帧，其中一个只包含数字数据(42000，3)，另一个只包含分类数据(42000，7)，对它们执行一些预处理，最后将它们连接到一个数据框架中。
那么，我的问题是如何根据数字和分类数据将我的初始数据分解为2呢？
浏览 0提问于2021-07-21得票数 0
回答已采纳
3回答
我有两个数据帧，它们具有相同的列名和数据类型，如下所示：
A object
B category
C category
每个数据帧中的类别并不相同。
当正常连接时，pandas输出：
A object
B object
C object
这是根据的预期行为。
但是，我希望保持分类，并希望联合类别，因此我尝试了跨数据帧中的列的union_categoricals，这两列都是分类的。cdf和df是我的两个数据帧。
for column in df:
浏览 48提问于2017-08-12得票数 17
回答已采纳
我有三个数据帧: timestamp (带有时间戳)，dataSun (带有日出和日落的时间戳)，dataData (带有不同的气候数据)。数据帧timestamp的数据类型为"int64"。
timestamp.head() timestamp 0 1521681600000 1 1521681900000 2 1521682200000 3 1521682500000 4 1521682800000
Dataframe dataSun也有数据类型"int64"。
dataSun.head()
sunrise
浏览 0提问于2018-04-20得票数 18
回答已采纳
1回答
我有一个有15列的数据帧(4列是分类的，其余的是数字的)。
我已经为每个分类变量创建了虚拟变量。现在我想找出我的新数据帧中的变量数量。
我试着计算printSchema()的长度，但结果是NoneType
print type(df.printSchema())
浏览 10提问于2017-03-15得票数 5
回答已采纳
1回答
我正在尝试做以下几件事： 使用pandas读取.dat文件，将其转换为dask数据帧，并将其连接到我从拼图文件中读取的另一个dask数据帧，然后输出到新的拼图文件。我执行以下操作： import dask.dataframe as dd
import pandas as pd
hist_pth = "\path\to\hist_file"
hist_file = dd.read_parquet(hist_pth)
pth = "\path\to\file"
daily_file = pd.read_csv(pth, sep="|", enc
浏览 26提问于2020-06-13得票数 1
我将Plotly dash与SQL Server连接，如下所示： conn = pyodbc.connect('Driver={ODBC Driver 17 for SQL Server};'
'Server=DESKTOP-B4NA1S5;'
'Database=Al-Hawama;'
'Trusted_Connection=yes;')
query = "SELECT * FROM compItemCust&
浏览 20提问于2021-11-12得票数 0
回答已采纳
2回答
二进制单热点(也称为-K之一)编码是为一个分类变量为每个不同的值创建一个二进制列。例如，如果有一个颜色列(分类变量)，其值为“红色”、“蓝色”、“黄色”和“未知”，那么二进制人的热编码将颜色列替换为' color =red‘、' color =blue’和‘color=黄色’。我从熊猫数据框架中的数据开始，我想用这些数据来训练一个与科学知识相关的模型。我知道两种方法来做二进制一热编码，其中没有一种让我满意。
Pandas和get_dummies在数据帧的分类列中。就原始数据帧包含所有可用的数据而言，这种方法似乎很好。也就是说，在进行培训、验证和测试集的数据分割之前，您可以先
浏览 1提问于2015-08-27得票数 7
回答已采纳
2回答
我知道如何从一个数据帧到另一个数据帧选择数值字段。
df1 = df.select_dtypes(include=[np.number])
我在想，应该有一种类似的方法来选择分类字段。
df2 = df.select_dtypes(include=['category'])
当然这是行不通的。有没有办法做到这一点？我有一个包含float64和对象数据类型的数据框架。
另外，我试图将这些数据分成连续和离散两种类型，并希望将连续的数据点进行分类。下面这行似乎工作得很好。
df1['price_bins'] = pd.cut(df1.PRICE, bins=15)
这
浏览 0提问于2019-07-17得票数 1
我有一个数据帧，其中包含大量不同类型的列。我想使用get_dummies()对数据帧中的分类变量进行编码。问题是:有没有一种方法可以获得get_dummies()创建的编码分类列的列标题 最困难的方法是提取数据帧中所有分类变量的列表，然后将与每个分类变量相关联的不同文本标签附加到相应的列标题。我想知道是否有更简单的方法来达到同样的目的。
浏览 16提问于2020-09-10得票数 0
2回答
如果我直接打印出一个数据帧，我会得到具有正确数据类型的正确输出。但是，当我尝试迭代相同的数据帧时，数据类型正在发生变化。
下面是我的程序：
import pandas as pd
F = 9.37556366342
p = 0.000101673198518
df_between = 2
df_within = 471
df_total = 473
summary_stats_vals = [(F,p,df_between,df_within,df_total)]
labels = ['F-statistics', 'p-value', 'df-be
浏览 2提问于2018-02-10得票数 5
2回答
事实证明，当尝试删除包含分类数据(0和1)的列时，我无法获得所需的结果。我尝试了几个过程，但它们都产生了相同的结果:包含所有列的数据帧本身。 df1.drop([i for i in df1 if df1[i].nunique == 2], axis = 1, inplace = True) 这是我尝试过的一种方法。另一个如下所示： df1.drop(df.columns[df.apply(lambda col: col.nunique == 2)], axis = 1) 有人能帮上忙吗？谢谢
浏览 34提问于2021-04-11得票数 1
回答已采纳
我有2个数据帧，即accidents_data，它有15列，bad_air_quality_data数据帧，它有5列。
现在我想在列‘地区名称’，‘工作日’，‘小时’，‘月’上对两个数据框进行内部连接，最后在连接后只保留来自accidents_data的数据。
accidents_data：
bad_air_quality_data：
我尝试使用以下行合并这两个数据帧，但没有显示任何结果。
accidents_data_bad_air = pd.merge(accidents_data, bad_air_quality_data, on=['District Nam
浏览 3提问于2019-03-08得票数 0
分类列是在pandas中节省内存RAM的一种很好的方法，但是有时它们只会减慢速度。特别是在你通过了一个阶段，在这个阶段，你有一个大的数据帧，现在正在一个子集中工作。例如，在Jupyter中打印或使用qgrid之类的库时，它似乎不能很好地发挥作用。 我基本上想从数据帧中删除所有分类列，以加快简单操作的速度： 下面是一个示例： df = pd.DataFrame({"A": ["a", "b", "c", "a"],
"B": ["a",
浏览 45提问于2020-07-10得票数 1
我有一个没有显式命名列的数据帧。 最后一列包含3种变体的字符串，因此我希望将它们转换为分类数据类型。我该怎么做呢？ 我正在做这个： df[df.iloc[:, -1]] = pd.Categorical(df[df.iloc[:, -1]]) 当列没有名称时，我不确定如何修改它。
浏览 11提问于2021-07-13得票数 0
1回答
如何在交叉验证时获取实例索引
、、、、
我正在做一个二进制分类。我可以知道如何在进行K折交叉验证时提取训练数据帧的错误分类或分类实例的真实索引吗？我没有找到这个问题的答案，<code>C0</code>。
按照<code>C1</code>的描述，我得到了折叠中的值
<code>A2</code>
有没有什么方法可以获得错误分类(或分类)的索引？因此，输出是一个在进行交叉验证时只有错误分类(或分类)的实例的数据帧。
期望输出:数据帧中具有真实索引的未分类实例。
<code>A3</code>
当输入有100个实例时，有4个实例在执行CV时
浏览 18提问于2021-06-13得票数 1
回答已采纳
1回答
通过各种Coursera项目，我已经看到，如果不验证排序依据的列是否转换为数字形式，则可能会错误地对数据帧进行排序。例如，当我对一列数字(分类为字符向量)进行排序时，R按升序排列: 18.9、19.1、9.8、9.9。
我想知道是否有订购的最佳实践？如果我不是在多项选择测试中这样做，我可能永远不会注意到错误的顺序。专业人士在排序时是否总是确保列是数字的？
浏览 1提问于2017-05-03得票数 0
想知道当列类型是分类的(特别是h2o enum类型)时，在h2o dataframe GroupBy对象中求和列时会发生什么。
将pandas数据帧转换为H2o数据帧。然后，我按某一列对行进行分组，并对其他列求和。
location_id price store
------------------
1 10 JCP
1 15 SBUX
3 20 HOL
then after grouping and summing; df.group_by('location_id').sum(['
浏览 26提问于2019-04-02得票数 0
回答已采纳
我使用FireDAC在Delphi中使用ODBC连接到.dbf。我已经使用32位Driver do Microsoft dBase (.dbf)驱动程序设置了一个ODBC连接，ODBC5.0。
在我的IDE (Rad Studio10.1柏林)中，我已经将ODBC连接设置为数据源。ODBCAdvanced连接字符串为DefaultDir=%s;DriverId=533;MaxBufferSize=2048;PageTimeout=5，其中%s是正确的目录。
我设法使用TFields (代码大致如下)将表的结构复制到SQLite数据库中。
FieldNames := TStringList.Cr
浏览 20提问于2017-02-24得票数 1
我有两个与df_new= pd.concat连接的数据帧(df_stocks、df_crypto、axis=1、join=“内部”)。当我打印原始df_crypto时，它在数据帧中显示了正确的值，但是一旦我将它连接到df_stocks上，它就会以Nan作为值。当连接两个数据帧时，我尝试使用.reset_index(drop=True)作为两个数据帧，这确实允许我查看数据(而不仅仅是Nan)。但是，重置索引可以消除日期，并且取消了仅在密码和股票都打开时(而不是周末)显示数据的“内部”联接方法。当我没有重置指数时，内部联接只显示了这两种资产交易的日子的数据。是否有任何方法将日期保留为内部联接方法的
浏览 8提问于2022-05-04得票数 0
我有一个包含以下列的pandas.DataFrame：['agent', 'agentid', 'agentname', 'agentaddress']。 当我将这个数据帧与另一个具有相同基数的数据帧连接起来时，它会在末尾附加一个同名的额外列。 >>> print(df1)
agent agentid agentname agentaddress
0 1 1001 test delhi
>>> print(df2)
agent agen
浏览 5提问于2020-03-19得票数 0
回答已采纳
我正在学习如何在Python中使用Pandas。我对我的Panda数据帧进行数学运算时遇到了问题。现在我的数据帧看起来像这样：
打印(标记)
0 1 2 3 4 5 6
0 447366345 -2.04 -2.69 176.98 418.84 34.3167521 -118.4068498
1 447406197 -2.34 -2.18 176.88 418.77 34.3167522 -118.4068499
2
浏览 1提问于2016-11-22得票数 1
回答已采纳
1回答
连接数据源时，Tableau会自动推断数据的每一列的类型。无论是数字(十进制)、数字(整体)、字符串、布尔值等等。以下几个问题：
1) Tableau是否曾对数据中的一个(或多个)列进行自动标记错误分类？如果是的话，请你详细说明一下。
2)您认为这些数据类型选项可以改进吗？例如，Tableau似乎没有区分无序分类数据和序数数据。
谢谢!
浏览 0提问于2018-06-10得票数 2
如何将pandas数据帧的单列转换为string类型？在下面的住房数据的df中，我需要将zipcode转换为字符串，以便在运行线性回归时，zipcode被视为分类而不是数字。谢谢!
df = pd.DataFrame({'zipcode': {17384: 98125, 2680: 98107, 722: 98005, 18754: 98109, 14554: 98155}, 'bathrooms': {17384: 1.5, 2680: 0.75, 722: 3.25, 18754: 1.0, 14554: 2.5}, 'sqft_lot':
浏览 0提问于2016-08-23得票数 70
1回答
我希望使用日期和分类因子(stand)创建一个筛选数据帧操作。我在mydf数据帧和条件数据帧(mycond)中都有原始数据。我想要创建一个新的数据框架(newdf)，如果在(mycond$stand)中存在分类因子(mydf$stand)的条件，然后将日期中的所有mycond$stand行取为(=<) (=<) (mycond$date)，作为这个分类因子。如果分类因素不在mycond$stand中，则不要创建任何内容，并为该因子获取所有行。在我的例子中：
#Packages
library(dplyr)
library(lubridate)
# Create my compl
浏览 3提问于2021-05-27得票数 0
回答已采纳
我发现this question提到在tf-idf稀疏矩阵上使用toarray()，然后从它生成一个数据帧并与其他数据帧连接。 然而，使用Google Colab时，会话会崩溃(我相信是内存问题)。有解决这个问题的办法吗？ 我想使用来自LIWC (语言查询单词计数)类别的数字特征以及TF-IDF来建立一个使用逻辑回归的分类模型。 如果这个问题格式不正确，很抱歉，这是我的第一个问题之一。
浏览 10提问于2021-01-24得票数 1
1回答
假设我在数据帧中有分类特征。为了在数据帧上执行ML，我使用OneHotEncoderEstimator()对分类列进行了一次热编码，然后使用VectorAssembler()将所有特性组装到一个列中。在阅读Spark 时，我看到了如何使用VectorIndexer()在特征向量列中索引分类特征。如果我在形成特征向量列之前已经在分类列上执行了一次热编码，那么在它上应用VectorIndexer()有什么意义吗？
浏览 0提问于2019-01-17得票数 2
为了连接两个数据帧df_A和df_B，其中df_A的日期应该在数据帧df_B的日期范围内，我使用pandasql。然而，我注意到pandasql并不像原始数据帧那样返回正确的日期(datetime64)，而是一个字符串(object)。有没有一种简单的方法来解决这个问题，或者我必须在每次执行查询时都将字符串应用到日期转换？
import pandasql as ps
sql = """select invoice_date from df_A"""
ps.sqldf(sql, locals())
我希望此输出与df_A.loc[:,'in
浏览 0提问于2019-10-23得票数 2
我刚刚完成了一些数据库更改，现在我需要迁移数据以适应新的设计。
我们有一个带有分类列的车辆表。分类列是某人在字段中键入的字符串。它不是外键列。
现在，我更改了设计，允许车辆具有多个分类(是的，业务规则允许这样做)，并将分类移动到查找表中。分类列将从vehicle表中删除，替换为M:M连接表，以启用每个车辆要求的多个类别。分类表是使用vehicles表中分类列中的唯一值构建的。
继续问这个问题。如何构建M:M表？执行此操作的SQL是什么？
在我看来，这个过程是:对于车辆表中的每一行，b)在新的分类表中查找分类字符串c)将分类ID和车辆ID插入到VehiclesClassifications表中。
浏览 2提问于2011-11-09得票数 0
回答已采纳
今天我发现了一个奇迹，那就是。这个像eclipse一样的IDE结合了R和，他们的网站有关于如何用这种组合进行图像特征提取和ML的。
我已经完成了本教程，但我没有尝试对单个图像的部分进行分类，而是处理超过10万幅图像。
我发现，我可以获得符合测试和控制的数据，但前提是我没有在测试数据中选择ROI。当数据对象--一旦传递给R并使用适当指定的as.data.frame(matrix(unlist()))语句进行转换--时，我不得不怀疑，如果没有指明ROI的值，那么在分类方面是否会丢失很多值。
在ROI管理器中指定ROI之后，如何才能得到一个R对象，该对象在指定ROI管理器中的ROI之后，每
浏览 5提问于2016-04-08得票数 0
回答已采纳
我正在使用pandas.read_sql_query从Sql server中读取一些数据。我在Sql server中读取的数据类型是int和real，即32位整数和32位浮点值。但在结果数据帧中，数据类型是int64和float64。我可以在将数据放入Pandas数据帧后将其转换回32位，但我正在读取大量数据，因此这将导致内存问题。有没有办法在读取数据帧时保持来自Sql server的32位数据？ 下面是db连接的一个示例： cnxn = pyodbc.connect('DRIVER={SQL Server};SERVER='+server+';DATABASE=&#
浏览 31提问于2020-12-04得票数 2
考虑下面的数据框架
df <- data.frame(a=c("Y", "Y","N", "Y", "N", "N"),
b = c(200, 1,1.4,1.3,2,1.6),
c = c(200,-200,10,12,14,15),
d = c("f","f","m", "m","m","m")
浏览 8提问于2022-11-07得票数 2
回答已采纳
1回答
我正在创建一个工具，用于读取CSV字段，并允许用户指定要分类的列，然后对这些列进行分类。
我的问题是这些CSV文件是相当大的，当我试图连接数据帧时，我的PC被冻结，我得到一个MemoryError。
我将数据帧分割成块，并在每个块上完成get_dummies函数，并将其存储到列表中。这是没有任何问题的。
然后，我尝试将整个列表连接起来，正如您在下面的代码中所看到的。
我还删除了数据帧和块列表，以节省内存。
dummies = []
columns = self.df[self.selectedHeaders]
del self.df
chunks = (len(columns) / 10000
浏览 0提问于2019-10-24得票数 2
我最近一直在研究不同的过滤器特征选择方法，并注意到一些方法更适合于数字数据(Pearson)，而另一些方法更适合于分类数据(X-Square)。 我正在处理一个混合了这两种数据类型的数据集，我不确定应用过滤器方法的最佳实践是什么。 最好是将数据集分成分类和数值两部分，对每个集合执行不同的过滤方法，然后连接结果？ 或者应该只对整个数据集应用一种筛选方法？
浏览 8提问于2020-01-20得票数 0
4回答
使用多个数据源训练模型
、、、
我必须训练一个分类模型来预测一个客户是否会购买某一产品。我有多重的。3或4)数据源。不同数据源之间的变量分布有很大的不同。在第一种情况下，我有绝大多数的年轻人，而在第二种情况下，有很多成年人)。当模型用于生产时，测试数据集将只由一个数据源的记录组成(我不知道是哪个数据源)。
我的问题是:哪一种方式是组合这些不同来源的最佳方式？数据不是很多，所以我不能为每个数据源训练一个独立的模型。我是否可以将数据帧连接起来，还是必须执行其他步骤？
谢谢!
浏览 0提问于2020-08-31得票数 1
1回答
我已经创建了三个不同的pandas数据帧，方法是将Group by应用于三个不同的数据，列分别为A、B、C。 Resultdf=SessionDev.query(AppDetails).filter(text(" A in ('20170727L00319')")).all()
df1= Resultdf.groupby(["A", "B","C"]).size().reset_index(name='Count') df1 A | B
浏览 13提问于2018-12-31得票数 0
我有一个使用index_col设置为输入数据的Excel工作表，结构如下：
在设置index_col =0时，我正在尝试使用以下代码创建一个pandas数据帧
df = pd.read_excel('Interval estimation.xlsx', sheet_name= 0, index_col = 0, converters={'code':str})
数据帧如下所示：
start end
code
1 NaT NaT
300473 2018-07-18 2018-07-28
2446 2018-07-1
浏览 0提问于2018-11-15得票数 1
3回答
我有两个数据帧，一个是18x30 (称为df1)，另一个是2x30 (称为df2)，它们具有完全相同的索引值。
我希望能够将df2中的一列添加到df1的末尾。
df1中的数据类型都是整数，而df2中的数据类型是字符串。每当我合并/连接/连接时，我得到的是NaN而不是正确的数据。
任何帮助都将不胜感激
谢谢:D
浏览 1提问于2015-11-03得票数 20
回答已采纳
我有两个数据帧，df1和df2。这些数据框中有一些3-10列的重叠数据，但我知道前两列不匹配。如何使用模式df1.col1、df1.col2、df2.col1、df2.col2迭代两个数据帧并创建第三个数据帧？ 在SQL中，我会使用第3到第10列作为键进行连接，然后select语句将只返回每个表的前两列-但我不知道如何在python中做到这一点。我的“直觉”是用伪代码遍历数据框架： for line1 in df1:
for line2 in df2:
if(line1[:3]==line2[:3]):
write_to_file_1(line1[2:],
浏览 9提问于2020-10-29得票数 0
回答已采纳
1回答
我有一个数据帧X，它有两个分类特征和41个数字特征。因此，X总共有43个特性。
现在，我想将分类特征转换为数字级别，以便它们可以在RandomForest分类器中使用。
我做了以下工作，其中0和1表示分类特征的位置：
import pandas as pd
X = pd.read_csv("train.csv")
F1 = pd.get_dummies(X.iloc[:, 0])
F2 = pd.get_dummies(X.iloc[:, 1])
然后，我将这两个数据帧连接起来：
Xnew = pd.concat([F1, F2, X.ix[:, 2:]])
现在，Xne
浏览 0提问于2016-08-31得票数 1
2回答
平滑分类输出
、、、、
我有一个从奶牛行为检测模型获得的输出列表。即使在一段视频中，当一头牛下蛋时，它经常会识别为站立，反之亦然。在每个视频帧中，模型给出一个分类结果，我们将其附加到一个列表中。让我们假设在20帧之后，我们有一系列的输出如下- behavious_cow_1 = ["stand","stand","stand","stand","lying", "stand","stand", "eating", "stand","stand","s
浏览 29提问于2020-09-19得票数 1
回答已采纳
因此，我有一个包含不同数据类型的列的csv。但是当我将它读入pandas时，它将所有内容都显示为object数据类型。 如何将列转换为原始的数字和分类特征？
浏览 23提问于2019-09-24得票数 0
我尝试基于标识符列合并两个数据帧： NEI <- merge(data, classification, by = "SCC", ) 其中data是原始数据文件和分类文件，原始数据文件具有由"SCC“标识的一些测量值，分类文件具有对应于"SCC”值的名称。例如，SCC代码10010203对应于“工业废水”。 但是，SCC代码的分类列表比原始数据文件中的测量/SCC更广泛。因此，当文件合并时，在NEI数据帧的末尾，分类文件中不重叠的SCC代码被附加在对应于测量值和相应名称的SCC值之前(这就是我想合并文件的原因)。 > head(NEI)
S
浏览 17提问于2019-03-23得票数 1
我正在尝试使用Sqlalchemy将熊猫数据帧加载到mysql表中。
我使用；engine = create_engine("mysql+pymysql://user:password@ip:port/db")连接
然后，我只是简单地运行；
df.to_sql(con=engine, name='Table', if_exists='append', index=False, chunksize=10000);
我一直收到错误信息
AttributeError: 'Timestamp' object has no attribut
浏览 4提问于2017-03-30得票数 9
我的问题是，与其在与标签相对应的数据帧中使用每一行，我还拥有多个数据帧，每个数据帧具有相同的列和行数，但每个数据帧被标记为l1、l2或l3。您需要数据帧中的所有数据才能确定标签。
例如，假设我有这个数据框架及其标签l1，并假设我有多个更多的标记为l1、l2或l3。我需要创建一个分类模型，这样当我有这样一个新的数据框架时，它就可以对它进行分类。
Time Measure1 Measure2
1 10 1000
2 12 1245
3 20 1837
4 1
浏览 2提问于2019-11-19得票数 0
回答已采纳
我目前正在使用Pandas，以便将大型数据帧放入to_sql数据库中。我使用sqlalchemy来连接数据库，这个过程的一部分是定义数据库表的列。
我的问题是，当我在数据帧上运行to_sql时，它如何知道数据帧中的哪一列进入数据库中的哪个字段？它是否在数据帧中查找列名，并在数据库中查找相同的字段？是变量的顺序吗？
下面是一些便于讨论的示例代码：
engine = create_engine('sqlite:///store_data.db')
meta = MetaData()
table_pop = Table('xrf_str_geo_ta4_1511',
浏览 1提问于2016-01-13得票数 14
回答已采纳
我有一个csv文件与分类和数字数据。我希望读取csv文件中的数据框架，但我希望将某些分类变量转换为因子，并希望使用log10转换来转换某些数值变量的数据。
我知道相关的函数是read.csv() (以数据帧的形式自动读取数据)、factor()和log10()，但我一直无法找到这样做的方法。这是怎么做的？
浏览 3提问于2020-08-10得票数 0
回答已采纳
我正在尝试使用使用dplyr的src_postgres函数建立的postgres连接将数据帧保存到AWS redshift数据库。正如您在下面看到的，数据框中有一列超过256个字符(有些甚至更多)。当我尝试将这个数据帧保存到红移时，当我使用dplyr的copy_to函数时，我得到了以下错误。有没有什么办法可以增加字符数的限制，以便我可以将此数据帧保存到AWS红移，或者其他人有任何关于如何将我的数据帧保存到红移的建议？谢谢。
> nchar(df$text)
[1] 598
> copy_to(conn_dplyr, df, TableName, temporary = FALSE
浏览 1提问于2015-12-16得票数 0
search <- function(x,max_hp){
count <- 1
result <- matrix(NA, nrow =nrow(x), ncol = ncol(x))
for(i in 1:nrow(x)){
temp_row <- x[i,]
if(temp_row[4] < max_hp){
result[count,] <- temp_row
count <- count + 1
}
}
return(result)
}
我想使用for循环搜索R中具有hp
浏览 0提问于2017-11-16得票数 0
1回答
我有描述正在经历发布过程的项目的数据。该项目有不同的变量，如“产品类别”、"Design_country“、”产品线“等。我总共有18种不同类型的二进制或分类数据。这些不同的变量具有不同的维度。例如，有3个不同的设计国家，而8个不同的产品类别。输出变量是项目完成发布过程所需的时间，这是一个连续变量。我想预测一件物品需要多长时间才能完成这个过程。 Design_cntry Prod_category prod_line ... time_minutes
A A1 A11 ...
浏览 25提问于2019-02-07得票数 0
回答已采纳
1回答
我有两个数据帧preds和assets_to_remove。 下面是dataframe preds的外观： asset_id asset_name
294771 493646671302244 queue_bar
294770 503848157271852 refactor_target
294769 786314528522899 submission_tray
294768 206472013793428 state_subscriber
294767 510707746509671 for
浏览 23提问于2021-07-07得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
