1回答
我有一个数据集如下电子邮件和购买。
Email Purchaser order_id amount
a@gmail.com a@gmail.com 1 5
b@gmail.com
c@gmail.com c@gmail.com 2 10
c@gmail.com c@gmail.com 3 5
我想找出数据集中的总人数，购买的人数，订单的总数和总收入。我知道如何通过SQL使用left join和聚合函数来实现这一点，但我不知道如何使用Python/pandas进行
浏览 1提问于2015-12-28得票数 4
回答已采纳
我有一个Pandas <pandas.core.frame.DataFrame>，它有多个日期列。
Year Month Count1 Count2
2015-01-01 2015-05-01 11 23
2015-01-01 2015-03-01 13 24
2020-01-01 2020-05-01 12 22
2020-01-01 2020-05-01 43 13
...
因此，第二行在月份类别中属于3月，在年份类
浏览 3提问于2021-03-05得票数 0
回答已采纳
1回答
使用Pandas数据帧按功能分组，我想按列分组c_b和(1)计算c_a列和c_c列的唯一计数，(2)得到列c_d的最大值。我尝试了下面的代码行，但似乎不正确。
sampleGroup = sample.groupby('c_b')(['c_a', 'c_d'].agg(pd.Series.nunique), ['c_d'].agg(pd.Series.max))
我的预期结果是，
预期结果，
c_b,c_a_unique_count,c_c_unique_count,c_d_max
python,2,2,1.0
c++,2,2,0
浏览 1提问于2016-08-28得票数 2
回答已采纳
1回答
熊猫群的混乱--难以驾驭的类型
、、、、
使用Pandas数据帧按特性分组，我希望按列c_b分组，并计算列c_a和列c_c的唯一计数。我的预期结果是，
预期结果，
c_b,c_a_unique_count,c_c_unique_count
python,2,2
c++,2,2
遇到关于unhashable type的奇怪错误，有人有什么想法吗？谢谢。
输入文件，
c_a,c_b,c_c,c_d
hello,python,numpy,0.0
hi,python,pandas,1.0
ho,c++,vector,0.0
ho,c++,std,1.0
go,c++,std,0.0
源代码
sample = pd.read_csv('
浏览 1提问于2016-08-27得票数 0
回答已采纳
我从以前的员工那里继承了这段代码，我试图运行这段代码，但是我得到了一个错误。
def replaceitem(x):
if x in ['ORION', 'ACTION', 'ICE', 'IRIS', 'FOCUS']:
return 'CRM Application'
else:
return x
def clean_list(row):
new_list = sorted(set(row['APLN_NM']),
浏览 10提问于2022-11-24得票数 0
回答已采纳
对于这类数据
author cat val
0 author1 category2 15
1 author2 category4 9
2 author3 category1 7
3 author4 category1 9
4 author5 category2 11
我想要
cat mean count
category2 13 2
category1 8 2
category4 9 1
我以为我对潘达斯很在行，然后写到
most_expensive_standalone.
浏览 4提问于2015-07-12得票数 1
回答已采纳
我有一个和他相似的数据帧：
BirthYear Sex Area Count
2015 W Dhaka 6
2015 M Dhaka 3
2015 W Khulna 1
2015 M Khulna 8
2014 M Dhaka 13
2014 W Dhaka 20
2014 M Khulna 9
2014 W Khulna 6
2
浏览 0提问于2016-11-06得票数 0
我正在尝试应用一个带有两个参数的pandas_udf。但是我得到了这个错误。首先，我尝试使用一个参数，它是可以的： from pyspark.sql.functions import pandas_udf, PandasUDFType
from pyspark.sql import SparkSession
from pyspark.sql.types import *
spark = SparkSession \
.builder \
.config('spark.cores.max', 100) \
.getOrCreat
浏览 24提问于2018-12-19得票数 3
当我试图在dataframe中对某一列进行汇总时，我将面临一个问题。为什么sum函数只能连接str而不能浮动？
for symbol in crypto_pair:
#retrieve data from binance
data_new = retrieve_binance_data(symbol=symbol)
data_sorted = differiate_rsi(data_new, currency=symbol)
Total = (data_sorted['Profit'].sum())
C:
浏览 2提问于2020-07-26得票数 1
在Pandas中，如何在同一个数据集中进行多步/顺序聚合？好像每个步骤都是下一个步骤的“子查询”。
在SQL中，我可以这样想：
SELECT x.A, COUNT(x.B) as B_COUNT, SUM(x.C_SUM) as C_SUM
FROM (
SELECT df.A, df.B, SUM(df.C) as C_SUM
FROM df
GROUP BY df.A, df.B
) x
GROUP BY x.A
在Python3.4和Pandas0.19.2中工作，我有这样一个数据框架：
import pandas
import numpy
numpy.rand
浏览 0提问于2016-12-30得票数 1
回答已采纳
1回答
我在python代码中使用pandas.dataframe查找总pending_count &一个优先级(基于优先级)的ticket_ids列表，如下所示。
df = pd.DataFrame({'priority': priority,
'pending_count': pending_count,
'ticket_id':ticket_id})
我能够找到一个优先级的总Pending_count，但是现在，我需要找到该优先级的ticket_id列表。
要获得
浏览 10提问于2022-04-07得票数 0
def stack_plot(data, xtick, col2='project_is_approved', col3='total'):
ind = np.arange(data.shape[0])
plt.figure(figsize=(20,5))
p1 = plt.bar(ind, data[col3].values)
p2 = plt.bar(ind, data[col2].values)
plt.ylabel('Projects')
plt.title('Number of
浏览 10提问于2020-02-14得票数 49
回答已采纳
1回答
我有三个系列和列表：
df1 = pd.Series(['a','b','c','d'])
df2 = pd.Series(['e','f','g','h'])
df3 = pd.Series(['i','j','k','l'])
df1
0 a
1 b
2 c
3 d
df2
0 e
1 f
2 g
3 h
df3
0 i
1 j
3 k
4 l
list = [
浏览 3提问于2017-07-24得票数 1
回答已采纳
假设您有下面的Pandas DataFrame，df，4列和10行。这是一个MWE：
data = {'age': [39, 50, 38, 53, 28, 37, 49, 52, 31, 42],
'education-num': [13, 13, 9, 7, 13, 14, 5, 9, 14, 13],
'workclass': ['State-gov', 'Self-emp-not-inc', 'Private', 'Private'
浏览 3提问于2021-06-22得票数 2
我想在一列中显示我拥有的组数，然后只显示那些有超过一个特定数目的组。
考虑一下这个例子：
import pandas as pd
df = pd.DataFrame(
{
'ColA': 'A A A B B C C C C D E E F F F F F F F G G H'.split(),
'ColB': '1 2 3 4 5 6 7 8 9 0 1 2 3 4 5 6 7 8 9 0 1 2'.split()
}
)
如果我这样分组的话：
print df.groupby(
浏览 4提问于2015-09-09得票数 1
回答已采纳
1回答
我正在开发一个庞大的数据库，在这个数据库中，我根据熊猫消费的产品类型，对不同类型的动物进行了分类：
样本DF：
import pandas as pd
import numpy as np
from datetime import datetime
num_variables = 1000
rng = np.random.default_rng()
data = pd.DataFrame({
'id' : np.random.randint(1,999999999,num_variables),
'date' : [np.random.ch
浏览 1提问于2022-11-12得票数 0
回答已采纳
1回答
根据列值将值筛选到其他值
、、、
我有以下数据帧
import pandas as pd
newd = {'year': [2001, 2002, 2005, 2002, 2004, 2001, 2001, 2002, 2003, 2003, 2002, 2002, 2003, 2004, 2005, 2003, 2004, 2005, 2004, 2004 ],
'indviduals': [12, 23, 24, 28,30, 15, 17, 18, 18, 19, 12, 15, 12, 12, 12, 15, 15, 15, 12, 12],
'employers':
浏览 0提问于2018-10-11得票数 0
1回答
解决这个问题：https://medium.com/@wangyuw/data-reshaping-with-pandas-explained-80b2f51f88d2 一切正常，但是下面的代码行会生成一个警告： agg = long_df.reset_index().groupby(['RegionVariable', 'EXP'])[features].agg({'count': len, 'mean': np.mean}) 它创建的警告是： FutureWarning: using a dict with renaming
浏览 12提问于2020-01-23得票数 0
回答已采纳
我有下面的电火花代码。在循环中的每一次迭代中，我过滤掉H列中带有特定字符串的所有行，然后计算G列上的一些聚合统计数据(结果为3个值)。我希望将所有的汇总计数保存在一个表中(行: CM、NCM、FP；列: POP、POP N、POP SN、POP QP)。
from pyspark.sql import SparkSession
import pandas as pd
import numpy as np
import pyspark.sql.functions as F
spark = SparkSession.builder.master("local").appName(
浏览 0提问于2018-10-28得票数 0
回答已采纳
我想按和按降序对DataFrame进行排序
我使用以下代码：
new_df = df.groupby(
['Category'])[['Total']].agg(
['sum', 'mean', 'count']).sort_values(
'sum', ascending=False).copy()
它给了我以下错误：
---------------------------------------------------------------------------
Key
浏览 3提问于2022-09-16得票数 0
在使用pandas.NamedAgg聚合函数命名聚合列时，是否可以创建包含空格和特殊字符的名称？典型的语法是： pvt = (df.groupby(by=[....])
.agg(value=pd.NamedAgg(column='col', aggfunc='count'))
) 但是，有没有办法创建一个不是有效的python变量名(在本例中为value )而类似于'my new column name'的列名呢 我现在能想到的唯一解决方案就是后来重命名value： .rename(columns={
浏览 12提问于2020-01-17得票数 4
回答已采纳
我希望在使用时或通过其他方式将单个计数列添加到数据帧中(结果将被绘制成散点图)。
我不能使用.agg(["count","mean"])，因为它为每一个量化度量添加了count和mean列，使得数据变得非常大，而且很难绘制。
import pandas as pd
df = pd.DataFrame(
{
'store':['store_a', 'store_a', 'store_b', 'store_b', 'store_b', 'store_
浏览 8提问于2022-10-16得票数 1
回答已采纳
重现问题： import pandas as pd
from functools import partial
def quantile_builder(portion, x):
print(x)
return x.quantile(portion)
q90 = partial(quantile_builder, 0.90)
q95 = partial(quantile_builder, 0.95)
data = [('a', 1), ('a', 1),('b', 1),('a', 3),('b
浏览 52提问于2020-04-02得票数 0
回答已采纳
2回答
我有一张有以下数据的表格：
day concept click item_id
2015-05-01 A 6 s4P~Hzs1w5R12Dpyn2IK
B 6 s4P~Hzs1w5R12Dpyn2IK
C 1 DOwfmfFvdEIZ1IdXqTiu
D 1 wPaYuIh~t8y7rU3HP43N
D 7 Ya_M~2
浏览 2提问于2017-09-22得票数 3
回答已采纳
基本上我有这样的数据：
import pandas as pd
dict = {'number': [1,1,1,1,1,2,2,2,4,4,4,4,6,6], 'time':[34,33,41,36,43,22,24,32,29,28,33,32,55,51]}
df = pd.DataFrame(dict)
print(df)
输出：
我希望转换df或创建另一个'number'，而不是几行具有相同'number'的行，每一行都有一个唯一的'number'；而在'time'列中，它的平均
浏览 1提问于2022-02-07得票数 -1
回答已采纳
有人能解释一下为什么这个agg()对我不起作用吗： import pandas as pd
df = pd.DataFrame({'name':["alice","bob","charlene","alice","bob","charlene","alice","bob","charlene","edna" ],
'date':["2020-01-01&
浏览 220提问于2020-12-01得票数 2
我有一个具有387行和26列的Pandas.DataFrame。然后这个DataFrame是Groupby()-ed和agg()-ed，转化为一个DataFrame，其中有1行和111个列。这大约需要0.05秒。例如：
frames = frames.groupby(['id']).agg({"bytes": ["count",
"sum",
浏览 4提问于2022-01-26得票数 1
3回答
我试着在pandas中按列值分组，但是我没有得到。 示例： Col1 Col2 Col3
A 1 2
B 5 6
A 3 4
C 7 8
A 11 12
B 9 10
-----
result needed grouping by Col1
Col1 Col2 Col3
A 1,3,11 2,4,12
B 5,9 6,10
c 7
浏览 27提问于2020-07-15得票数 0
回答已采纳
import bs4 as bs
import datetime as dt
import os
import pandas as pd
import pandas_datareader.data as web
import pickle
import requests
def save_sp500_tickers():
resp =
requests.get('http://en.wikipedia.org/wiki/List_of_S%26P_500_companies')
soup = bs.BeautifulSoup(resp.text, 'lxml
浏览 1提问于2020-06-02得票数 1
回答已采纳
一个常见的SQLism是"Select A，mean(X) from table group by A“，我想在pandas中复制这一点。假设数据存储在CSV文件中，并且太大而无法加载到内存中。
如果CSV可以放在内存中，那么一个简单的两行代码就足够了：
data=pandas.read_csv("report.csv")
mean=data.groupby(data.A).mean()
当无法将CSV读入内存时，可以尝试：
chunks=pandas.read_csv("report.csv",chunksize=whatever)
cmeans=pa
浏览 2提问于2014-04-21得票数 5
今天早上我遇到了一个奇怪的虫子，我希望能得到一些背景信息。我有一个变通的办法，但我想知道是否有更深层次的问题。我在SE或其他地方的网上找不到任何东西。
错误:如果我在matplotlib.pyplot之前导入pandas，我会得到错误消息：
Traceback (most recent call last):
File "test.py", line 5, in <module>
import matplotlib.pyplot as plt
File "/usr/lib64/python3.6/site-packages/matplotli
浏览 1提问于2018-05-19得票数 11
因此，我只是尝试制作一个基本的10行电影推荐系统与一个大的ML项目。但这只是我在运行这个程序时遇到的错误：
import pandas as pd
movies = pd.read_csv('movies.csv')
users = pd.read_csv('users.csv')
recommendations = {}
def recommend(users,movies):
for f in users['favouritegenre']:
genre = movies.query(f)['gen
浏览 8提问于2022-05-28得票数 -1
回答已采纳
我有一个样本数据集：
import pandas as pd
df = {
'columA':['1A','2A','3A','4A','5A','6A'],
'count': [ 1, 12, 34, 52, '3',2],
'columnB': ['a','dd','dd','ee','d','f']
}
df = pd.
浏览 1提问于2017-06-15得票数 1
回答已采纳
我有一个包含order_state列的orders表。并且需要计算每个订单状态的订单，按小时分组，但不使用group by order_state列。我想用NamedAgg。有可能吗？如下所示： orders_agg = orders.groupby(
by=[pandas.Grouper(key='created_at', freq='H'), 'source']
).agg(
orders_count=pandas.NamedAgg('created_at', 'count'),
fi
浏览 22提问于2020-12-22得票数 1
回答已采纳
1回答
运行此程序时：
import pandas as pd
df = pd.DataFrame(dict(x=[1, 1, 2, 2, 3, 3], group=["a", "a", "a", "a", "b", "b"]))
df.groupby(["group"]).agg({
"x": [pd.Series.mode, "sum"]
})
返回此错误：
ValueError Tr
浏览 9提问于2022-08-31得票数 0
回答已采纳
我正在使用agg函数，并将参数用作我的数据帧上的字典。但是我得到了嵌套重命名程序不支持的错误。我正在执行google colab notebook中的代码。
代码：
gb_agg = gb.agg({'Yield' : {'Count' : lambda x: len(x.unique())}})
diff_counties_2013 = gb_agg[gb_agg['Yield']['Count'] > 1].index.get_level_values('CountyName').values
gb_ag
浏览 1提问于2021-06-10得票数 0
当我使用文档中的数据帧的命名聚合重现该示例时，我得到一个错误。Docs：https://pandas.pydata.org/docs/reference/api/pandas.DataFrame.aggregate.html我在Python3.7上运行Spyder4.2.5，在另一台运行Python3.8和Python3的Jupyter Notebook上也得到了相同的错误。Pandas版本1.0.5。 可重现的代码： import pandas as pd
import numpy as np
df = pd.DataFrame([[1, 2, 3],
浏览 16提问于2021-06-14得票数 2
我有一个Pandas DataFrame，其I和分类值(A、B、C)如下：
ID CAT
1 A
2 C
2 B
3 A
2 A
1 B
1 A
3 B
3 B
实际上，行表示一个时间序列，其中包含is的分类事件记录，因此存在一个时间维度，但实际的日期时间并不重要，只是事件的相对序列。每个in在整个DF中有相同数量的顺序事件。
我想将每个用户的类别值(事件)序列可视化在2D矩阵(如热图)中，其中行表示I，列表示时间步骤，彩色单元格表示类别值，如下所示：
ABA
CBA
ABB
这应该是一个3*3矩阵的彩色瓷砖，而不是字母。第一行是ID 1，它有三个连续事件，依此类推。它在Py
浏览 3提问于2022-11-11得票数 0
假设我有一些分钟的财务数据，如下所示，我想写一个自定义函数(下面的代码丑陋而复杂)，我如何使用Python/pandas从CSV中获取5分钟/10分钟/30分钟/1小时/8小时/24小时的行汇总数据？ TIME OPEN HIGH LOW CLOSE VOLUME
----------------------------------------------
0 1592194620 3046.00 3048.50 3046.00 3047.50 505
1 1592194630 3047.00 3048.0
浏览 19提问于2020-06-18得票数 4
回答已采纳
我有一个这样的df，并且需要在groupby中执行多个聚合，包括连接行和在相同的cols上执行不同的操作。 import pandas as pd
sample = pd.DataFrame({'group':['a']*3+['b']*6, 'time':[1,2,4,6,7,8,9,12,15],'type':['a','x','b','y','x','a','y','b','
浏览 37提问于2021-02-12得票数 1
回答已采纳
我正在通过复制一些R段的郊游来学习Pandas包。现在我使用来自R的dplyr包作为示例：
R脚本
planes <- group_by(hflights_df, TailNum)
delay <- summarise(planes,
count = n(),
dist = mean(Distance, na.rm = TRUE))
delay <- filter(delay, count > 20, dist < 2000)
Python脚本
planes = hflights.groupby('TailNum')
planes[
浏览 2提问于2014-07-30得票数 19
回答已采纳
1回答
我有个数据：
import pandas as pd
df = pd.read_csv('test.csv')
brand rating
0 a 81
1 a 83
2 a 60
3 a 45
4 b 73
5 b 55
6 b 90
7 c 60
8 d 70
9 e 75
10 e 80
11 e 85
到目前为止，我已经知道如何将
浏览 0提问于2018-09-28得票数 1
回答已采纳
我需要创建一个包含X轴上的日期和Y轴上的时间的散点图。如果这件事重要的话，日期看起来是(4/10/2019)，时间看起来是(23:55:00)。
我试过以下代码。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv("Crimes_-_2001_to_present.csv")
plt.scatter(df["Date_1"],df["Time_1"])
plt.xlabel('Date', fontsi
浏览 0提问于2019-04-18得票数 2
2回答
如何在以下泰坦尼克号数据中为类=第三行着色：
import numpy as np
import pandas as pd
import seaborn as sns
df = sns.load_dataset('titanic')
df.groupby(['sex', 'class']).agg({'fare': ['sum','count']})
参考文献
官方的例子只处理简单的数据，但是这里我必须突出多索引数据。我在想如何完成这项任务。
必填项
我想要两排，男的和女的，第三排是红色的。
浏览 2提问于2020-07-11得票数 0
回答已采纳
3回答
与和相关
考虑一下这个数据
import pandas as pd
import numpy as np
df = pd.DataFrame(index=range(10))
df['a'] = [ 3 * x for x in range(10) ]
df['b'] = [ 1 -2 * x for x in range(10) ]
根据 for aggregate，您应该能够指定使用如下所示的dict聚合哪些列：
df.agg({'a' : 'mean'})
回传
a 13.5
但是，如果您尝试使用用户定义的函数(如此函
浏览 2提问于2019-02-26得票数 1
回答已采纳
总之，我是python的新手。我正在尝试自动重塑我通常在excel中执行的操作，如下所示。
#Import long form data from CSV into pandas data frame
In 1: Data = [My Long Form DataFrame imported from a CSV file]
City Population
Chicago 1,245
Los Angeles 2,457
New York 998
Chicago 1,854
New York 1,654
Los Angeles 2,478
Los An
浏览 1提问于2014-07-31得票数 1
2回答
我有一个要求，在这里，我需要将数据分组为相同数目的ob行。由于mysql没有rownum()，所以我在模拟这种行为：
SET @row:=6;
SELECT MAX(agg.timestamp) AS timestamp, MAX(agg.value) AS value, COUNT(agg.value) AS count
FROM
(
SELECT timestamp, value, @row:=@row+1 AS row
FROM data
WHERE channel_id=52 AND timestamp >= 0
浏览 4提问于2014-06-09得票数 1
回答已采纳
3回答
我正在尝试找出对我的数据进行简单透视的最佳方法：
import pandas
dfn = pandas.DataFrame({
"A" : [ 'aaa', 'bbb', 'aaa', 'bbb' ],
"B" : [ 1, 10, 2, 30 ],
"C" : [ 2, 0, 3, 20 ] })
我想要输出是一个数据帧，按A分组，B和C的总和和计数值，名称必须准确(Sum_B，Sum_C，C
浏览 0提问于2016-06-22得票数 6
1回答
熊猫填补空白
、、
Python 3.9和Pandas 1.3.4 下面是df： 1 First name Last Name
2 Freddie Mercury
3 John Lennon
4 David Bowie
5
6 Joseph
7 Jovi 当我连接First name和Last name时，我尝试用"John Doe“填充空白行(5)，但我不想在第6行或第7行中放入"John Doe”，因为它有部分名称。 这是我当前的代码： import pandas as pd
df = pd.read
浏览 24提问于2021-11-23得票数 1
回答已采纳
我正在尝试使用pandas旋转多个行，但不确定如何在pivot中包含2列。 原始表 MP WeekNum Quantity TAT Case
AE 1 112 1 2
FR 45 56 22 3
FR 52 616 6 2
FR 52 95 3 3
IN 50 120 20 4
IN 51 233 16 4
IN 52 120
浏览 1提问于2020-05-03得票数 0
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
腾讯会议
实时音视频活动推荐
腾讯云开发者
