我有一个数据框,其中包含一列日期和另一列,我想根据日期进行修改。但是,当我尝试使用.loc方法执行此操作时,我得到
TypeError: '<' not supported between instances of 'str' and 'datetime.datetime'
有没有人可以解释一下: 1)为什么会出现这个错误--日期是datetime对象,2)如何修改第二列。我在下面包含了一个MWE。
非常感谢
from datetime import datetime as DT
import numpy as np
import pan
我有一个包含多个索引的panda dataframe和一组列。
我希望通过将dataframe中的两个或更多现有列相加(减)到这个dataframe中来添加新的列。
新的列名是什么,应该使用哪些列,以及是否应该添加或减去它们,都是通过单独的输入csv文件指定的。
例如,:
我的初始数据格式
col1 col2 col3 col4
index1 index2
A X 10 100 50 20
B X 10 200 50 20
C X
我有一个嵌套循环:
rolling=['10','20']
for i in range(len(ex)):
for d in rolling:
df = nested_df.loc[other_nested_df['pio'][i]:(other_nested_df['pio'][i]+10)].copy()
ex.loc[i]['date_vert_'+str(d)=df['date'].iloc[-1]
循环没有给出任何错误,但我不明白为什么在最后,dat
我很难用理性的方式思考一些事情,我希望得到一些指导。
我有一个dataframe,其中包含了应该上传某些文件的事件日期的列,还有一个列,列上了这些事件的名称。所以事件可以是X,Y,Z,文件可以是1,2,3。
并不是所有的文件都需要上传到所有的事件,即如果是事件X,那么文件1、2和3需要上传,但是如果是事件Y,那么只需要上传文件3。日期列中有日期,或为空。
我想做的是,对于所有不需要的事件文件,用“不需要”替换为空白。
初始值:
File1 File2 File3
X Aug 1 Sept 1
X Aug 3 Aug 4 Sept 9
Y
mean radius mean texture mean perimeter mean area mean smoothness mean compactness mean concavity mean concave points mean symmetry mean fractal dimension ... worst texture worst perimeter worst area worst smoothness worst compactness worst concavity worst concave points wors
我在Pandas中有DataFrame,如下所示:
col1 | description
---------- |-----------
John Simon |John Simon red
Terry Juk |green Terry Juk
John Bravo |John Bravo brown
Ann Still |orange Ann Still
bad_list = ["red", "green"]
而且,我只需要从"col1“中选择这些人,这些人在列"description”和其他东西(不管前后)中有价值,但是其他
我有一个列“NAME”的dataframe,如下所示:
NAME
Cybermart co
Hot burgers hot sandwiches
Landmark co
我想向这个dataframe添加一个新列,具体取决于:在'name‘列中是否有重复的单词。所以新的专栏应该是这样的:
REPEATED_WORD
No
因此,我有一个包含多个列的数据帧,但真正重要的列称为A和B。如果列A不包含值X,或者列B不包含值Y,则必须删除该行。
我尝试使用这个函数:
def removeRows(df, value):
df.drop(df[ (df['A'] != value) | (df['B'] != value)].index, inplace = True)
return df
But i got this error:
A value is trying to be set on a copy of a slice from a DataFrame
S
我有一个DataFrame的用户和他们的电影评级:
userId movie1 movie2 movie3 movie4 movie5 movie6
0 4.1 NaN 1.0 NaN 2.1 NaN
1 3.1 1.1 3.4 1.4 NaN NaN
2 2.8 NaN 1.7 NaN 3.0 NaN
3 NaN 5.0 NaN