Perguntas com a marcação «dataframe»

Como acesso a chave groupby dataframe em um objeto groupby pela chave? Com o seguinte grupo por: rand = np.random.RandomState(1) df = pd.DataFrame({'A': ['foo', 'bar'] * 3, 'B': rand.randn(6), 'C': rand.randint(0, 20, 6)}) gb = df.groupby(['A']) Eu posso percorrer para obter as chaves e os grupos: In [11]: for k, …

154 python  pandas  dataframe  group-by  pandas-groupby 

Estou usando R e carreguei dados em um dataframe usando read.csv(). Como determino o tipo de dados de cada coluna no quadro de dados?

153 r  dataframe  types 

Gostaria de alterar o formato (classe) de algumas colunas do meu objeto data.frame ( mydf) de charactor para fator . Não quero fazer isso quando estou lendo o arquivo de texto read.table() função. Qualquer ajuda seria apreciada.

153 r  dataframe  character  r-faq 

Eu tenho o seguinte DataFrame: In [1]: import pandas as pd df = pd.DataFrame({'a': [1,2,3], 'b': [2,3,4], 'c':['dd','ee','ff'], 'd':[5,9,1]}) df Out [1]: a b c d 0 1 2 dd 5 1 2 3 ee 9 2 3 4 ff 1 Eu gostaria de adicionar uma coluna 'e'que é a …

153 python  pandas  dataframe  sum 

Estou trabalhando com índice booleano no Pandas. A questão é por que a afirmação: a[(a['some_column']==some_number) & (a['some_other_column']==some_other_number)] funciona bem enquanto a[(a['some_column']==some_number) and (a['some_other_column']==some_other_number)] sai com erro? Exemplo: a=pd.DataFrame({'x':[1,1],'y':[10,20]}) In: a[(a['x']==1)&(a['y']==10)] Out: x y 0 1 10 In: a[(a['x']==1) and (a['y']==10)] Out: ValueError: The truth value of an array with more …

153 python  pandas  dataframe  boolean  filtering 

Quando alguém deve usar a data.framee quando é melhor usar a matrix? Ambos mantêm os dados em um formato retangular, portanto, às vezes, não está claro. Existem regras gerais para quando usar qual tipo de dados?

152 r  matrix  dataframe  r-faq 

Eu tenho uma situação onde, por vezes, quando leio um csvde dfeu chegar um índice semelhante indesejada coluna chamada unnamed:0. file.csv ,A,B,C 0,1,2,3 1,4,5,6 2,7,8,9 O CSV é lido com isso: pd.read_csv('file.csv') Unnamed: 0 A B C 0 0 1 2 3 1 1 4 5 6 2 2 7 …

152 python  pandas  csv  dataframe 

Hoje, fiquei positivamente surpreso pelo fato de que, ao ler dados de um arquivo de dados (por exemplo), o pandas é capaz de reconhecer tipos de valores: df = pandas.read_csv('test.dat', delimiter=r"\s+", names=['col1','col2','col3']) Por exemplo, pode ser verificado desta maneira: for i, r in df.iterrows(): print type(r['col1']), type(r['col2']), type(r['col3']) Em particular …

151 python  date  types  dataframe  pandas 

Eu tenho um DataFrame dinâmico que funciona bem, mas quando não há dados a serem adicionados ao DataFrame, recebo um erro. E, portanto, preciso de uma solução para criar um DataFrame vazio com apenas os nomes das colunas. Por enquanto, tenho algo parecido com isto: df = pd.DataFrame(columns=COLUMN_NAMES) # Note …

151 python  pandas  dataframe 

Eu tenho um grande data.table , com muitos valores ausentes espalhados por suas ~ 200k linhas e 200 colunas. Gostaria de codificar novamente esses valores de NA para zeros da maneira mais eficiente possível. Eu vejo duas opções: 1: Converter em um data.frame e usar algo como este 2: Algum …

150 r  performance  dataframe  data.table 

df <- data.frame(var1 = c('a', 'b', 'c'), var2 = c('d', 'e', 'f'), freq = 1:3) Qual é a maneira mais simples de expandir cada linha das duas primeiras colunas do data.frame acima, para que cada linha seja repetida o número de vezes especificado na coluna 'freq'? Em outras palavras, vá …

150 r  dataframe  replicate 

Quero encontrar todos os valores em um quadro de dados do Pandas que contenham espaço em branco (qualquer quantidade arbitrária) e substituir esses valores por NaNs. Alguma idéia de como isso pode ser melhorado? Basicamente, quero transformar isso: A B C 2000-01-01 -0.532681 foo 0 2000-01-02 1.490752 bar 1 2000-01-03 …

150 python  pandas  dataframe 

Estou tendo problemas com um quadro de dados e realmente não consegui resolver esse problema: o quadro de dados tem propriedades arbitrárias como colunas e cada linha representa um conjunto de dados . A questão é: como se livrar de colunas onde, para TODAS as linhas, o valor é NA …

149 r  apply  dataframe 

Eu tenho um quadro de dados como este: df VALUE ABS_CALL DETECTION P-VALUE 1007_s_at "957.729231881542" "P" "0.00486279317241156" 1053_at "320.632701283368" "P" "0.0313356324173416" 117_at "429.842323161046" "P" "0.0170004527476119" 121_at "2395.7364289242" "P" "0.0114473584876183" 1255_g_at "116.493632746934" "A" "0.39799368200131" 1294_at "739.927122116896" "A" "0.0668649772942343" Quero converter os nomes das linhas na primeira coluna. Atualmente, uso algo assim …

147 r  dataframe  col  rowname 

Eu tenho um dataframe de pandas e desejo dividi-lo em 3 conjuntos separados. Eu sei que usando train_test_split de sklearn.cross_validation, é possível dividir os dados em dois conjuntos (train e test). No entanto, não consegui encontrar nenhuma solução para dividir os dados em três conjuntos. De preferência, eu gostaria de …

146 pandas  numpy  dataframe  machine-learning  scikit-learn