Hello I have a data frame called lc. And in the shape of the data frame is (235607,146) I was able to write a code that shows me the percentage of null values in each column(np.sum(lc.isnull())/lc.shape[0]*100). And now I need help in writing a for loop th...

我有这个数据集： 该字段的“产品”列的值为“气体”，“油”和“水”。我想将此数据帧写入具有三个工作表的单个excel工作簿中，这三个工作表中包含“气体”，“油”和“水”数据。 我试过了： 并不断收到类型错误。任何帮助表示赞赏。

Closed. This question needs details or clarity. It is not currently accepting answers. ...

This question already has answers here: ...

This question already has an answer here: ...

我有以下数据框： Col1 Value Item1 100 Item2 200 Item3 300 和 Col2 Value Project1 200 Project2 300 Project3 400 如何获得以下数据框？ Col2 Col1 Value Project1 Item1 100 Project1 Item2 100 Project2 Item2 100 Project2...

我有一个包含列表列表的文件，它是一个文本文件，看起来像这样： [[ 535 ,527 ,593 ,569 ,503 ,501 ,1 ] , [ 8410000000000 ,7290000000000 ,7290000000000 ,8410000000000 ,1 ,565,569 ,571,7290000000000 ,1 ] , [ 529 ,513,526 ,503 ,508 ] , [ 1 ] , [ 7290000000000 ,7290000000000 ,693000000000...

我需要使用NLTK软件包计算某些语料库中的单词（单词出现）的数量。 这是我的语料库： corpus = PlaintextCorpusReader('C:\DeCorpus', '.*') 这是我尝试获取每个文档的单词总数的方法： cfd_appr = nltk.ConditionalFreqDist( (textname, num_appr) for textname in corpus.fileids() for num_appr in [len(w) for w in cor...

This is my list with two columns Actual and Predicted 对于要预测的列，我想为1到2的所有结果分配值0，为2到3的所有结果分配值1，对于大于3的所有值，我想分配值3。 以下代码显示了我的列表- Y_Predicted = [] 对于X_test中的行：Y_Predicted.append（regressor.predict（row）） pd.DataFrame（{     '实际'：Y_test，     '预测的'：np.ravel（Y_Predict...

我试图只提取两个不同数据框中的数字和字符串。我正在使用正则表达式提取数字和字符串。 import pandas as pd df_num = pd.DataFrame({ 'Colors': ['lila1.5', 'rosa2.5', 'gelb3.5', 'grün4', 'rot5', 'schwarz6', 'grau7', 'weiß8', 'braun9', 'hellblau10'], 'Animals': ['hu11nd', '12welpe', '13k...

假设我正在测量汽车在单轴上前进的速度，每10分钟更新一次。 I have a column in my DataFrame called delta_x, which contains how much the car moved on my axis in the last 10 minutes, values are integers only. 现在，让我们说我想聚合我的数据，并且每个小时仅移动一次，但是我想尽可能地优化代码，因为我的数据集非常大，实现这一目标的最有效方法是什么？ df.head(9)...

我有一个xls数据文件，我已经使用Pandas作为数据帧读入python，但是我想构成列标题的数据在xls文件的第5行中。 有没有一种方法可以从数据框中提取一行值，然后用这些值替换列标签？ 我希望数据帧第3行中的值（更新时间，PV1电压（V），PV1电流（A））替换当前列标签。我不需要xls文件中1-4行中的任何数据。 我是一个真正的python初学者，无法弄清楚！ data = pd.read_excel('H1E372F8273057 2020-02-17.xls') 数据= ...

今天是个好日子！我试图通过创建单独的列来过滤我的数据框，以使其更易于阅读，并且我们可以创建不同种类的图形。我目前遇到的问题是，“ Editables”列具有嵌套字典，因为我要为每个键创建单独的列，因此“ photo_repace”具有不同的列，“ text_remove”，“ text_add”等也是如此。 。 嵌套字典： { 'photo': { 'photo_replace': None, 'photo_remove': None, 'photo_add': None, ...

我正在尝试比较10年的数据。我想从日期时间中删除“年份”，因此我可以将每个1月彼此重叠地绘制。 我尝试了以下 df_data = pd.read_csv("P11-B2.csv", skiprows=[i for i in range(1,35)], usecols=[1,2,4]) df = pd.DataFrame(columns = ['Datetime', 'FH']) df1 = pd.to_datetime(df_data['YYYYMMDD'], format='%Y%m%d') df2...

我有一个约dataframe。 400万行和35列作为输入。 我对这个dataFrame所做的所有操作如下： 对于给定列的列表，我计算给定组特征列表的总和，并将其作为新列加入到我的输入dataFrame中。 在将每个新列总和加入dataFrame之后，我立即将其删除。 因此，我们最终得到了与理论上相同的dataFrame。 但是，我注意到，如果给定列的列表太大（超过6列），则输出dataFrame变得无法操作。即使是简单的显示也需要10分钟。 这是我的代码的示例（df是我的输入dataFrame）： ...

我正在为我的项目从事以下工作； df =pd.DataFrame ({City: ['London', ‘Jakarta’, 'Newyork', 'Mumbai'], ‘Staff’: ['1000','2000','3000','4000']}) print (df.head()) df.plot(kind='line',x=’City’,y=’Staff’,color='red') plt.show() 对于此代码，我得到一个错误 TypeError：空'DataFrame'：没有要绘制的数字数据。...

我正在对三个数据帧进行连接，执行如下代码： df_bigram = pd.concat([bigramFreqTable, skipgram, df2],axis=1) df_bigram df_bigram的输出是 bigramf freq Skipgram Freq bigram PMI 0 (Asam, deoksiribonukleat,) 1 ...

我有一个具有两列和几行带字符串的数据框。我想创建一个多索引列，根据“ [”和“]”将所有行重新组合。 实际上，我想更改此内容： lines | frequency [2 were driving slow | 01010203034 through the snow on 5th avenue] | 09093294 对此： index | lines | frequency ...

我正在尝试合并剧情的图例，但我不知道该如何做。我查找了许多示例，但是在这些示例中，人们是从一个数据帧构建图的。我的情节是根据四个数据框构建的。我尝试将这些日期框架与merge和rbind函数合并，但我不知道如何正确执行。 是否可以合并图例而不合并数据框？ 这是我的代码 fig_ObjPlur_ASSenTD <- ggplot(subset(gazetarget_ObjPlur_ASS)) + geom_line(data=gazetarget_ObjPlur_ASS,aes(x=Time, ...

I have an object <class 'pandas.core.series.Series'> that looks like this: DataFrame(cfd_appr).transpose().sum(axis=1) 2022.12.06_Bild 2.txt 524.0 2022.12.06_Bild 3.txt 620.0 2022.12.06_Bild 4.txt 535.0 2022.12.06_Bild 5.txt 799.0 2022.12.0...