我在这里阅读了手册,看到了这个答案,但它不起作用:
>>> import pandas as pd
>>> import csv
>>> pd.Series([my_list]).to_csv('output.tsv',sep='\t',index=False,header=False, quoting=csv.QUOTE_NONE)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
TypeError: to_csv() got an unexpected keyword argument 'quoting'
没有引用的论点,它是有效的。
pd.Series([my_list]).to_csv('output.tsv',sep='\t',index=False,header=False)
但这与我的预期用途不符。
更让人困惑的是,当我以这种方式写出表格时,没有引号,也没有错误:
my_dataframe.to_csv('output2.tsv',sep='\t', quoting=csv.QUOTE_NONE)
知道发生了什么吗?
Series.to_csv()
的内部熊猫实现首先将Series转换为DataFrame,然后调用DataFrame.to_csv()
方法:
def to_csv(self, path, index=True, sep=",", na_rep='', float_format=None,
header=False, index_label=None, mode='w', nanRep=None,
encoding=None, date_format=None, decimal='.'):
"""
Write Series to a comma-separated values (csv) file
...
"""
from pandas.core.frame import DataFrame
df = DataFrame(self)
# result is only a string if no path provided, otherwise None
result = df.to_csv(path, index=index, sep=sep, na_rep=na_rep,
float_format=float_format, header=header,
index_label=index_label, mode=mode, nanRep=nanRep,
encoding=encoding, date_format=date_format,
decimal=decimal)
if path is None:
return result
因此,您可以自己对其进行转换,然后您将拥有更丰富的参数集:
pd.DataFrame(your_series_obj).to_csv(..., quoting=csv.QUOTE_NONE)
或:
your_series_obj.to_frame().to_csv(..., quoting=csv.QUOTE_NONE)
问题内容: 如何获得系列中最常出现的物品? 考虑系列 返回值应该是 问题答案: 您可以使用并提取第一个值: 这不一定是低效率的。与往常一样,对您的数据进行测试以查看适合的数据。
第一科伦:武器 第二栏:Pepetrator_年龄 例如,y轴应该是案件数量x轴犯罪人的年龄 线是犯罪者使用的武器类型 您可以将其复制粘贴到jupyter以初始化数据集 此处的数据集:https://www.kaggle.com/jyzaguirre/us-homicide-reports
我想追踪连续的高点,如这张照片所示,在熊猫的时间序列中。见下图: 熊猫怎么能做到这一点? 如果你想玩一个真实的例子,你可以下载股票的价格,说“MSFT”,然后用“close”作为例子。有多种方法可以下载股票价格,但这里有一种:
问题内容: 没有迭代如何确定列中列表的长度? 我有一个这样的数据框: 我计算列中列表的长度,并像这样创建新列: 这给了我这个: 有没有更Python的方式来做到这一点? 问题答案: 您也可以将访问器用于某些列表操作。在这个例子中 返回每个列表的长度。请参阅有关的文档。 对于这些操作,香草Python通常更快。熊猫可以处理NaN。时间安排如下:
我存储用户收藏夹到json文件,但我得到以下错误: 未处理的异常:类型“\u InternalLinkedHashMap” 我将以下数据添加到文件中: 代码是: 我很困惑,不知道如何解决这个问题。