我有一个有n列的dataframe,我正在尝试创建一个递归遍历这些列的函数。 例如,假设我有以下数据帧: | left | center | right |
|:---- |:------:| -----:|
| One | Two | Three | 我想运行一个函数,它使用左列,然后是左列和中列,然后是左列、中列和右列。所以基本上,在每一步,我使用前面的列+ 1。在pandas中有一个有效的方法来做到这一点吗?
对于一个可迭代的对象,我们可以使用 for item in items: 但是,如果我有两个并排的可迭代程序,比如有两列的pandas数据帧,会怎么样呢?我可以使用上面的方法遍历一列,但是有没有一种更优雅的方法同时遍历两列呢? import pandas as pd
df = pd.DataFrame({'col 1': [1,2,3,4,5], 'col 2': [6,7,8,9,10]})
i = 0
for j in df['col 1']:
print(j)
print(df['col 2'][i])
对于我的论文,我需要期权的隐含波动率,我已经为它创建了以下函数: #Implied volatility solver
def Implied_Vol_Solver(s_t,K,t,r_f,option,step_size):
#s_t=Current stock price, K=Strike price, t=time until maturity, r_f=risk-free rate and option=option price,stepsize=is precision in stepsizes
#sigma set equal to steps to make a st
我有一个数据,在这里,我需要转换特定的列范围,从浮点数到小数(并让它们全部退出小数点5位)。我很难转换这些列。有人能帮我这么做吗,最好是使用iloc?下面有一个示例代码,说明了我正在寻找什么(有生成示例数据的代码)。运行此命令时,将收到以下错误。
回溯:
"TypeError:(‘从级数到十进制的转换不受支持’,‘发生在索引B’)
import pandas as pd
from pandas import util
import numpy as np
from decimal import Decimal
df= util.testing.makeDataFrame()
d
我正在尝试迭代Pandas DataFrame中的序列中的行。我想获取列csv_df['Strike']的每一行中的值,并将其插入在函数a中调用的变量K中。
然后,我希望将输出的a1和a2放入DataFrame中各自的列中。
我收到了错误:TypeError: unsupported operand type(s) for *: 'int' and 'zip',我想如果我能找出支持哪些操作数,我就可以将a1和a2转换为它。
我的想法正确吗?
注意:S只是一个静态数字,因为df只有一行,而K有很多行。
代码如下:
from scipy.stats
我在Python中使用gensim进行文本摘要。我希望我的汇总输出存储在同一个dataframe的不同列中。
我使用了下面的代码:
for n, row in df_data_1.iterrows():
text=df_data_1['Event Description (SAP)']
print(text)
*df_data_1['Summary']=summarize(text)*
print(df_data_1['Summary'])
错误出现在这段代码的第4行,它指出: TypeError:
与和相关
考虑一下这个数据
import pandas as pd
import numpy as np
df = pd.DataFrame(index=range(10))
df['a'] = [ 3 * x for x in range(10) ]
df['b'] = [ 1 -2 * x for x in range(10) ]
根据 for aggregate,您应该能够指定使用如下所示的dict聚合哪些列:
df.agg({'a' : 'mean'})
回传
a 13.5
但是,如果您尝试使用用户定义的函数(如此函
要将多个变量传递给一个普通的python函数,您只需编写如下代码:
def a_function(date,string,float):
do something....
convert string to int,
date = date + (float * int) days
return date
在使用Pandas DataFrames时,我知道您可以基于一个列的内容创建一个新列,如下所示:
df['new_col']) = df['column_A'].map(a_function)
# This m
我需要创建一个空的数据框架来创建列,并在循环中填充SQL查询结果。
我的查询如下:
from sqlalchemy import create_engine
from sqlalchemy.sql import text
import pandas as pd
engine = create_engine('connection')
script = 'select * from table WHERE id=1111;'
query = text(script)
result = engine.execute(query)
rep = {"\\