我有一个小数据集,如下所示:
和一个元组,如:(Timestamp('2009-02-27 09:45:00'), 'bloomberg', 'Chicago PMI')
我想在DataFrame上创建一个多个索引,以便它读起来类似于:
当试图构造MultiIndex时:
MI=pd.MultiIndex(index, (0,0,0))
我遇到以下错误:
TypeError: Index(...) must be called with a collection of some kind, Timestamp('200
假设我有一个数据帧,它可以表示为: pd.DataFrame(columns=['X', 'Y'],index=['A','B'])
X Y
A 1 2
B 3 4 然后,我想对每个单元格应用函数,以获得每个行的数据帧、具有列名和索引的单元格的值,如下所示: Col1 Col2 Value
1 X A 1
2 Y A 2
3 X B 3
4 Y B 4 我知道我可以循环它来得到结果,但我希望有一个更好的像
我有一个pandas dataframe,其中一列文本字符串包含换行分隔值。我想拆分每个CSV字段,并为每个条目创建一个新行。
我的数据框如下:
Col-1 Col-2
A Notifications
Returning Value
Both
B mine
Why Not?
预期输出为:
Col-1 Col-2
A Notifications
A Returning Value
A Both
B mine
B Why Not?
我有一个缺少某些值的dataframe,我希望为这些值生成记录,并用0输入值。
我的df看起来如下:
import pyspark.pandas as ps
import databricks.koalas as ks
import pandas as pd
data = {'Region': ['Africa','Africa','Africa','Africa','Africa','Africa','Africa','Asia','Asi
使用带有系列参数的Series.map,我可以获取系列的元素,并将它们用作另一个系列的索引。我想对DataFrame的一些列执行相同的操作,将每一行用作多索引编辑的Series中的一组索引层。下面是一个示例:
>>> d = pandas.DataFrame([["A", 1], ["B", 2], ["C", 3]], columns=["X", "Y"])
>>> d
X Y
0 A 1
1 B 2
2 C 3
[3 rows x 2 columns]
我们可以在不使用的情况下同时索引大熊猫的行和列吗?文件上说
使用DataFrame,在[]中切片行。
但是,当我想以相同的方式包含行和列时,它是不工作的。
data = pandas.DataFrame(np.random.rand(10,5), columns = list('abcde'))
data[0:2] #only rows
data.iloc[0:2,0:3] # works.
data[0:2,0:3] # not working in python, but it works similarly in R
假设我有以下代码:
import pandas as pd
import numpy as np
A = ['red', 'blue']
B = range(2)
C = np.random.random((4,2,2))
import pandas as pd
df = pd.DataFrame({'Color':np.repeat(A,2),'Trial':np.tile(B,2),'V0':C[:,0,0],'V1':C[:,0,1],
'V2
首先,我创建了一个两级。
import numpy as np
import pandas as pd
ind = pd.MultiIndex.from_product([('X','Y'), ('a','b')])
我可以这样用它:
pd.DataFrame(np.zeros((3,4)), columns=ind)
这意味着:
X Y
a b a b
0 0.0 0.0 0.0 0.0
1 0.0 0.0 0.0 0.0
2 0.0 0.0
我将串联对象连在一起,将现有的列名连接到Pandas中的DataFrame。结果如下:
pd.concat([x, y, z], axis=1)
X | Y | Z
-------------------
data | data | data
现在,我想在整个DataFrame的列名X、Y、Z前面插入另一个列名A。最后这个应该是这样的:
A # New Column Name
-------------------
X | Y | Z # Old Column Names
--------
我有一个带熊猫MultiIndex的Dataframe:
In [1]: import pandas as pd
In [2]: multi_index = pd.MultiIndex.from_product([['CAN','USA'],['total']],names=['country','sex'])
In [3]: df = pd.DataFrame({'pop':[35,318]},index=multi_index)
In [4]: df
Out[4]:
我在pandas中创建了一个分层数据帧:
import pandas as pd
import numpy as np
col_index = pd.MultiIndex.from_product([[0,1], ['a', 'b', 'c']])
df_outer = pd.DataFrame(index=range(4), columns=col_index)
print(df_outer)
0 1
a b c a b c
0 NaN Na