《pandas》专题

问题内容： 我有一个Pandas DataFrame，如下所示： 我想按“ a”列对行进行分组，同时将“ c”列中的值替换为分组行中的平均值，并添加另一列，其中“ c”列中的值的std偏差已计算出平均值。对于分组的所有行，列“ b”或“ d”中的值是恒定的。因此，所需的输出将是： 实现此目标的最佳方法是什么？ 问题答案： 您可以使用以下操作： 然后重命名各列并对其重新排序： 熊猫默认情况下会计算样

问题内容： 我有一个非常简单的csv，其中包含以下数据，压缩在tar.gz文件中。我需要使用pandas.read_csv在数据框中读取该内容。 但是，我得到了错误： 以下是一组read_csv命令以及我收到的不同错误： 这是怎么了 我怎样才能解决这个问题？ 问题答案： 注意：将忽略有问题的行。

本文向大家介绍pandas实现to_sql将DataFrame保存到数据库中，包括了pandas实现to_sql将DataFrame保存到数据库中的使用技巧和注意事项，需要的朋友参考一下 目的 在数据分析时，我们有中间结果，或者最终的结果，需要保存到数据库中；或者我们有一个中间的结果，如果放到数据库中通过sql操作会更加的直观，处理后再将结果读取到DataFrame中。这两个场景，就需要用到Dat

本文向大家介绍python pandas时序处理相关功能详解，包括了python pandas时序处理相关功能详解的使用技巧和注意事项，需要的朋友参考一下 创建时间序列 函数pd.date_range() 根据指定的范围，生成时间序列DatetimeIndex，每隔元素的类型为Timestamp。该函数应用较多。 输出为： 主要的入参解析： start: 开始时刻，可以是字符串或者datetime

问题内容： 我想从一个简单的Pandas DataFrame创建一些NetworkX图： 哪里是指数，并以是列。但是转换为Numpy矩阵或Recarray似乎无法为生成输入。是否有实现这一目标的标准策略？我不反对在Pandas中重新格式化数据->转储到CSV->导入到NetworkX，但是似乎我应该能够从索引生成边缘，并从值生成节点。 问题答案： NetworkX期望一个（节点和边的）方阵，也许*

问题内容： 我在Pandas DataFrame中有一列具有连续数字的列。 我想将所有这些值更改为一个简单的字符串，例如“ foo”，导致 问题答案： 只需选择该列并像往常一样分配： 分配标量值会将所有行设置为相同的标量值

问题内容： 您好，我有以下数据框。 我想计算同一行出现在数据框中的次数。 问题答案： 您可以使用groupby的：

问题内容： 请考虑以下情况： 我本来希望有一个允许将错误值（例如that ）转换为s的转换的选项。有没有办法做到这一点？ 问题答案： 使用[](http://pandas.pydata.org/pandas- docs/stable/generated/pandas.to_numeric.html)与 如果需要填写，请使用。 注意，在可能的情况下，将尝试将浮点型转换为整数。如果不需要，请删除该参数

本文向大家介绍pandas数据分组groupby()和统计函数agg()的使用，包括了pandas数据分组groupby()和统计函数agg()的使用的使用技巧和注意事项，需要的朋友参考一下 数据分组 使用 groupby() 方法进行分组 group.size()查看分组后每组的数量 group.groups 查看分组情况 group.get_group('名字') 根据分组后的名字选择分组数据

问题内容： 我正在从一列存储为JSON的数据库（超过5万行）中读取数据。我想将其提取到pandas数据框中。下面的代码片段可以正常工作，但是效率很低，并且在对整个数据库运行时会花费很多时间。请注意，并非所有项目都具有相同的属性，并且JSON具有一些嵌套的属性。 我怎样才能使它更快？ 问题答案： json_normalize接受一个已经处理过的json字符串或一系列这样的字符串。 设定

问题内容： 逐块构建大型数据帧时，Pandas的性能令我感到困惑。在Numpy中，通过预分配一个大的空数组然后填充值，我们（几乎）总是可以看到更好的性能。据我了解，这是由于Numpy立即获取其所需的所有内存，而不是每次操作都必须重新分配内存。 在Pandas中，通过使用该模式，我似乎获得了更好的性能。 这是一个带有计时的例子。该类的定义如下。如您所见，我发现预分配比使用！慢大约10倍。使用适当的d

问题内容： 第一次尝试熊猫，我试图先按照索引对数据透视表进行排序，然后再对一系列值进行排序。 到目前为止，我已经尝试过： 按索引然后按值对数据透视表进行排序的正确方法是什么？ 问题答案： 这是一个可以做您想要的解决方案： 结果将如下所示： 将其作为API方法内置到熊猫中会很好。虽然不确定应该是什么样。

问题内容： 如何过滤包含另一列的行？例如，如果我们有两列A，B的DT，是否可以使用B.contains（A）过滤行？不仅B是否包含来自DT的所有A中的一些A值，而且还只是一行。 问题答案： 您可以使用由和（如果需要）过滤器列和每行创建的掩码： 解决方案的差异 -输入已更改：

问题内容： 我期望得到，但我得到： 问题答案： 并非所有的Nan都是相同的： 因此， 包含，它们是相同的，所以 但包含不相同的： 因此set不会将它们视为相等： 如果您有熊猫系列，请使用它的方法而不是查找唯一值：

问题内容： 我有一个数据框，并希望按降序或升序对所有列进行独立排序。 当我为此使用sort_values（）时，它无法按预期运行（对我而言），仅对一列进行排序： 如果我使用此答案中的应用lambda函数的解决方案，则可以获得期望的结果： 但是，这对我来说似乎有些沉重。 上面的sort_values（）示例中实际上发生了什么，如何在没有lambda函数的情况下以熊猫方式对数据框中的所有列进行排序？