确定何时在pandas数据框中更改列值
我正在寻找编写一个快速脚本，该脚本将通过具有两列的csv文件运行，并为我提供行，其中B列中的值从一个值切换为另一个：
例如：
数据框：
# | A | B
--+-----+-----
1 | 2 | 3
2 | 3 | 3
3 | 4 | 4
4 | 5 | 4
5 | 5 | 4
会告诉我更改发生在第2行和第3行之间。我知道如何使用for循环获取这些值，但我希望有解决此问题的更Python方式。
问题答案：
您可以为差异创建一个新列
> df['C'] = df['B'].diff()
> print df
# A B C
0 1 2 3 NaN
1 2 3 3 0
2 3 4 4 1
3 4 5 4 0
4 5 5 4 0
> df_filtered = df[df['C'] != 0]
> print df_filtered
# A B C
2 3 4 4 1
这将是您所需的行
-
问题内容： 我有以下数据框： 对于列： 但是使用它们之后，所有更改都变为对象： 为什么要反对？我认为应该只考虑列。 问题答案： 您可以在此处使用参数和更多信息： 在较新版本的熊猫中可以使用：
-
问题内容： 我有以下熊猫数据框： 产生此结果： 我如何传播，以便最终得到这个： 问题答案： 使用或： 但是，如果重复，需要或集合体，或可以改变，…： ValueError：索引包含重复的条目，无法重塑 编辑： 对于设置为和的清洁：
-
问题内容： 我想将表示为列表列表的表转换为。作为一个极其简化的示例： 将列转换为适当类型的最佳方法是什么（在这种情况下，将列2和3转换为浮点数）？有没有一种方法可以在转换为DataFrame时指定类型？还是先创建DataFrame然后遍历各列以更改各列的类型更好？理想情况下，我想以动态方式执行此操作，因为可以有数百个列，并且我不想确切指定哪些列属于哪种类型。我可以保证的是，每一列都包含相同类型的值
-
问题内容： 我想在pandas数据框列中找到一个特定的模式，并返回相应的索引值以对数据框进行子集化。 这是带有可能模式的示例数据框： 生成数据框的代码段： 数据框： 下面，感兴趣的格局发生的日期来，这就是我想要结束了一下： 所需的输出： 如果同一模式多次出现，我希望以相同的方式对数据帧进行子集化，并计算该模式出现的次数，但是只要我将第一步弄清楚，我希望这会更直接。 感谢您的任何建议！ 问题答案：
-
我想将一个表（表示为列表的列表）转换为。作为一个极其简化的例子： 将列转换为适当类型的最佳方法是什么，在本例中，列2和列3转换为浮点？在转换为DataFrame时是否有方法指定类型？还是先创建DataFrame，然后循环遍历列以更改每列的类型更好？理想情况下，我希望以动态的方式执行此操作，因为可以有数百个列，而我不想确切地指定哪些列属于哪种类型。我所能保证的是每列都包含相同类型的值。
-
问题内容： 在其他语言（例如R或SQL）中找到该选项的地方，但我不太确定如何在Pandas中进行此操作。 因此，我有一个具有1262列和1行的文件，并且每次出现特定值时都需要返回列标题。 例如说这个测试数据框： 我需要找到列名，例如value = 38.15。最好的方法是什么？ 谢谢 问题答案： 看到只有一行，那么您可以调用结果并使用它来屏蔽列： 分解以上内容： 您也可以使用param ：