《pandas》专题

问题内容： 假设我有一个包含要转换为指标的字符串的数据框。我用来将其转换为现在可用于构建模型的数据集。 现在，我有一个新的观察值，我想遍历我的模型。显然，我无法使用它，因为它不包含所有类，并且不会创建相同的指标矩阵。有什么好方法吗？ 问题答案： 您可以从单个新观察值创建虚拟对象，然后使用原始指标矩阵中的列重新索引此框架列： 返回：

问题内容： 我尝试使用PyInstaller 3.2.1创建exe文件，出于测试目的，我尝试为以下代码制作exe文件： 经过相当长的时间（15分钟以上）后，我完成了620 MB的dist文件夹并构建了150 MB。我在Windows上使用Python 3.5.2 | Anaconda自定义（64位）。可能值得注意的是，在dist文件夹中，mkl文件负责将近300 MB。我使用’pyinstalle

问题内容： 假设我有以下数据框： 我想创建一个MultiIndex，它将包含每个lvl的总和。输出将如下所示： 目前，我正在使用循环在每个级别上创建三个不同的数据框，然后在excel上对其进行操作，如下所示。因此，如果可能的话，我想在python中进行此计算。 提前谢谢了。 问题答案： 一些自由使用 我可以完全按照您的要求 至于如何！我将其留给读者练习。

问题内容： 我想将Pandas数据框附加到名为“ NewTable”的sqlite数据库中的现有表上。NewTable具有三个字段（ID，名称，年龄），ID是主键。我的数据库连接： 我要附加的数据框： 如上所述，ID是NewTable中的主键。键“ L1”已在NewTable中，但键“ L11”不在中。我尝试将数据框追加到NewT​​able。 这将引发错误： 该错误很可能是因为键“ L1”已经在

问题内容： 我列出了可能存在一些出口问题的物品。我想获得重复项的列表，以便可以手动比较它们。当我尝试使用pandas重复方法时，它仅返回第一个重复。有没有办法获取所有重复项，而不仅仅是第一个？ 我的数据集的一小部分看起来像这样： 我的代码当前如下所示： 那里有几个重复的物品。但是，当我使用上面的代码时，我只会得到第一项。在API参考中，我看到了如何获得最后一个项目，但是我希望拥有所有这些项目，因此

问题内容： 从数据框中删除重复列的最简单方法是什么？ 我正在通过以下方式读取具有重复列的文本文件： 列名是： 所有“时间”和“相对时间”列均包含相同的数据。我想要： 我所有的删除，删除等尝试，例如： 导致唯一值索引错误： 很抱歉成为熊猫的菜鸟。任何建议，将不胜感激。 额外细节 熊猫版本：0.9.0 Python版本：2.7.3 Windows 7 （通过Pythonxy 2.7.3.0安装） 数据

问题内容： 我有一个带有两列的pandas数据框：x和value。我想查找x == 10的所有行，并为所有这些行设置值= 1,000。我尝试了下面的代码，但收到警告 我知道我可以通过使用.loc或.ix来避免这种情况，但是我首先需要找到满足x == 10的条件的所有行的位置或索引。有没有更直接的方法？ 谢谢！ 问题答案： 您应该使用以确保您正在使用视图，在您的示例中以下内容将起作用并且不会发出警告

问题内容： 我在列中有以下股票数据集，在行的日期下方（使用彭博（Bloomberg）的Python API下载-请忽略以下事实：它们全都是“ NaN”-仅用于数据的这一部分）： 我正在尝试从索引中提取月份和年份，以便稍后进行调整： 其中values是上述DataFrame的名称。 但这会产生错误：’KeyError’date’ 运行： 看起来不错： 所以我只是想知道问题出在哪里，为什么我似乎无法在

问题内容： 我可以在熊猫的特定列索引处插入列吗？ 这会将列作为的最后一列，但是没有办法告诉它放在开始处吗？ 问题答案： 参见文档：http : //pandas.pydata.org/pandas- docs/stable/genic/pandas.DataFrame.insert.html 使用loc = 0将在开头插入

问题内容： 我有一个非常简单的问题-我想-但似乎我无法解决这个问题。我是Python和Pandas的初学者。我在论坛上进行了搜索，但没有得到符合我需要的（最新）答案。 我有一个这样的数据框： 这使： 我的问题很简单：我想添加一列，以给出 每一行 第二个 最大值的列名。 我编写了一个简单的函数，该函数返回每一行的第二个最大值 这使： 但是我找不到如何在“值”列中显示列名，而不是值…我正在考虑布尔索引

问题内容： 我有一个类似的熊猫数据框： 通过使用ABC列上的pandas函数，我可以得到： 虽然我需要类似的内容，但ABC列的数据类型为： 我尝试使用该函数，然后将所有列组合到所需的列中。我找到了很多答案，解释了如何将多个列组合为字符串，如下所示：在pandas / python中的dataframe中合并两列文本 。但是我想不出一种将它们组合为列表的方法。 这个问题介绍了使用sklearn’s的

本文向大家介绍pandas 中对特征进行硬编码和onehot编码的实现，包括了pandas 中对特征进行硬编码和onehot编码的实现的使用技巧和注意事项，需要的朋友参考一下 首先介绍两种编码方式硬编码和onehot编码，在模型训练所需要数据中，特征要么为连续，要么为离散特征，对于那些值为非数字的离散特征，我们要么对他们进行硬编码，要么进行onehot编码，转化为模型可以用于训练的特征 初始化一个

问题内容： 我发现了Pandas运算符应用于索引而不是实际数据的困难方式： 我的直觉是该系列包含数字1而不是索引10，这显然是错误的。此行为背后的原因是什么？以下方法是最好的替代方法吗？ 更新 我对建议做了一些安排。看来是最好的方法： 问题答案： 将a视为类似于字典的字典可能会有所帮助，其中的值等于。比较： 与： 但是，请注意，对系列进行迭代将对进行迭代，而不是对进行迭代，因此将得出not 。 确

问题内容： 我要使用read_csv读取的软件包中包含一些csv文本数据。我是这样做的 但是，StringIO.StringIO在Python 3中消失了，并且io.StringIO仅接受Unicode。有没有简单的方法可以做到这一点？ 编辑 ：以下似乎无效 失败于 问题答案： 以下内容在3.3中为我工作： 注意：我必须手动将其放置在该位置，所以我不能保证我已正确复制了它，并且没有终端空格，因为我

问题内容： 我想为某个列（例如column）选择一个范围。我想选择-0.5到+0.5之间的所有值。如何做到这一点？ 我希望使用 但这（自然）给出了ValueError： 我试过了 但这全部输出了。 正确的输出应该是 在pandas数据框列中查找值范围的正确方法是什么？ 编辑：问题 使用与 将是之间的区别 和不平等之类的 ？ 问题答案： 使用有严格的不平等： 该参数确定是否包括端点（：，：）。这适用