pandas-groupby

1热度

1回答

，我有以下结构的数据帧：是myDF： Entry Address ShortOrdDesc 0 988 Fake Address 1 SC_M_W_3_1 1 989 Fake Address 2 SC_M_W_3_3 2 992 Fake Address 3 nan_2 3 992 SC_M_G_1_1 4 992 SC_M_O_1_1 有要在此完成

1热度

1回答

大熊猫分组数据帧 - 蟒

我有这样的数据集， PRODUCT_ID SALE_DATE SALE_PRICE PROVIDER 1 01/02/16 25 1 1 02/10/16 60 1 1 01/11/16 63 2 1 09/10/16 65 3 2 11/11/15 54 1 2 13/01/16 34 2 3 19/05/14 45 1 3

1热度

1回答

Pandas group by weekday（M/T/W/T/F/S/S）

我有一个包含YYYY-MM-DD（'arrival_date'）形式的时间序列（作为索引）的熊猫数据帧和I我想每个星期一到星期天都要分组，以便计算其他列的平均值，中位数，标准偏差等等。我最终应该只有七行，到目前为止我只知道如何按周分组，每周汇总一切。 # Reading the data df_data = pd.read_csv('data.csv', delimiter=',') # P

0热度

1回答

熊猫LTM与重复的总和

我想要计算由实体ID分组的数字列的最后12个月的滚动总和。我的数据看起来有点像这样： eID perioddate 123456 14 ABC 2011-01-31 31773.0 74 ABC 2011-01-31 31773.0 35 ABC 2011-01-31 31773.0 96 ABC 2011-01-31 31773.0 57 ABC 2011-04-30 11209.0

1热度

1回答

结合熊猫DataFrame中的多行数据

我使用熊猫作为Python的一部分，我有下表。我不能为我的生活弄清楚如何做到以下几点。任何帮助将非常感激。我有一个数据表，有很多重复的时间点。然而，每个重复的时间点都有不同的行填充部分。我想将所有时间点合并到一个包含所有信息的行中。我不想总结列。我不想连接列。我想获取某个列中单个时间点的第一个值，并忽略同一时间点的该列中的任何附加值。表格应该使这更清晰。 +---------------

1热度

2回答

熊猫：去欺骗时，如何创建一个“主”记录下面

例大熊猫据帧 - ID ADDRESS COLUMN1 COLUMN2 COLUMN3 1 123 FRONT ST 2017 1 123 FRONT ST 2016 1 123 FRONT ST 2018 2 324 2nd st 2008 2 324 2nd st 2014 我的目标是重复数据删除以上，但对数据帧“COLUMN1 - 栏3”我要继续如果该字段

1热度

1回答

子集熊猫数据框达到条件时第一次

我没有什么运气来完成一项任务，我想要一个熊猫数据框的子集高达一个值，并按他们的ID分组。在实际的数据集，我有几个列在 '身份证' 和 '状态' 之间。例如： d = {'id': [1,1,1,1,1,1,1,2,2,2,2,2,2,2], 'status': [0,0,0,0,1,1,1,0,0,0,0,1,0,1]} df = pd.DataFrame(data=d) id st

1热度

2回答

熊猫 - GROUPBY连续日期时间段

我有一个熊猫数据帧，看起来像这样： KEY START END VALUE 0 A 2017-01-01 2017-01-16 2.1 1 B 2017-01-01 2017-01-23 4.3 2 B 2017-01-23 2017-02-10 1.7 3 A 2017-01-28 2017-02-02 4.2 4 A 2017-02-02 2017-03-01 0.8

2热度

2回答

何时适合使用df.value_counts（）vs df.groupby（'...'）。count（）？

我听说过Pandas经常有多种方法来做同样的事情，但我想知道 - 如果我试图按特定列中的值对数据进行分组并计算具有该值的项目数价值，什么时候使用df.groupby('colA').count()以及何时使用df['colA'].value_counts()有意义？

0热度

2回答

执行使用两个列作为参数GROUPBY功能无论给定以下数据帧中的列

的量级： Node_1 Node_2 Time A B 6 A B 4 B A 2 B C 5 一个如何获得，使用GROUPBY或其它方法中，数据帧如下： Node_1 Node_2 Mean_Time A B 4 B C 5 第一行的通过找到的所有路由的平均A-> B和B-> A而获得Mean_Time，即(6 + 4 + 2)/3 = 4