递归地对python DataFrame的行和列进行分组
递归地对Python DataFrame的行和列进行分组是指在DataFrame中根据特定的条件对行和列进行分组操作，并且可以通过递归的方式进行多级分组。
在Python中，可以使用pandas库来处理DataFrame数据结构。pandas提供了groupby()函数来实现对DataFrame的分组操作。通过groupby()函数，可以根据指定的列名或条件将DataFrame的行进行分组，并对每个分组进行相应的操作。
对于行的分组，可以使用groupby()函数的by参数指定要分组的列名或条件。例如，假设有一个名为df的DataFrame，要根据列A进行分组，可以使用以下代码：
grouped = df.groupby('A')对于列的分组，可以使用groupby()函数的axis参数指定要分组的轴，其中axis=1表示按列进行分组。例如，要根据列进行分组，可以使用以下代码：
grouped = df.groupby(axis=1)在进行递归分组时，可以通过多次调用groupby()函数来实现多级分组。例如，要先按列A进行分组，然后再按列B进行分组，可以使用以下代码：
grouped = df.groupby(['A', 'B'])在分组后，可以对每个分组进行聚合、筛选、转换等操作。例如，可以使用sum()函数对分组后的数据进行求和操作：
grouped_sum = grouped.sum()除了pandas库外，还可以使用其他相关的库来处理DataFrame数据，如numpy、scikit-learn等。根据具体的需求和场景，可以选择适合的库和函数进行操作。
关于递归地对Python DataFrame的行和列进行分组的应用场景，常见的包括数据分析、数据挖掘、机器学习等领域。通过分组操作，可以对数据进行统计、聚合、筛选等处理，从而得到更加准确和有用的结果。
对于腾讯云相关产品和产品介绍链接地址，可以参考腾讯云官方文档或网站上的相关内容。
相关·内容
2回答
我希望根据多行中的其他列值在python dataframe中创建一个新列。例如，我的python dataframe df：
A | B
------------
10 | 1
20 | 1
30 | 1
10 | 1
10 | 2
15 | 3
10 | 3
我想要创建变量C，它基于变量A的值，条件来自多行中的变量B。当i行中变量B的值，i+1，.，C的值是这些行中变量A的和。在这种情况下，我的输出数据框架将是：
A | B | C
--------------------
10 |
浏览 0提问于2019-04-30得票数 0
回答已采纳
1回答
我有一个Dataframe，它有两个列'Key_Skills‘和’Job‘(这两个列都包含很少缺少的值)。现在，我想用填充了'Key_Skills‘值的'Job_Title’列来计算'(Null) Key_Skills‘值。
例如，在第36索引的“Job_Title”栏中，有一个“Accounts”，它具有“关键技能”值。现在，我想.
首先，在整个dataframe.Secondly，中，用相同的值(关键技能)来计算所有“帐户经理”的“关键技能”--我想完整地填写“关键技能”一栏中的“职务”值，如在第1点中为每一行所做的那样。
浏览 3提问于2020-06-29得票数 0
1回答
我有一个巨大的DataFrame，其中有两个列："NAME"，"VALUE"。"NAME"列的行值之一是"X,Y,V,A"。
我想转换我的DataFrame，所以"NAME"值是列，"VALUE"的平均值是行值。
我使用了枢轴函数：
df1 = df.groupby('DEVICE', 'DATE').pivot('NAME').avg('VALUE')
除了"X,Y,V,A"之外，所有的名称值都能很好地处理上面的内容。
浏览 1提问于2018-09-13得票数 0
回答已采纳
我尝试在下面的例子中为每个Actor在pandas df中求和两列(在下面的例子中是Seasons和Rating)。然后，我希望存储每个Actor的合计，并删除包含该Actor的任何其他行。在下面的例子中，保留或丢弃的'Name‘并不重要。 例如，这是输入DF： import pandas as pd
series = [('Stranger Things', 3, 5, 'Millie'),
('Game of Thrones', 8, 8, 'Emilia'),
('
浏览 19提问于2021-07-08得票数 1
回答已采纳
2回答
熊猫按习俗分类
、、、、
这应该很简单。我想要的是根据函数的结果进行分组的能力，就像在SQL中一样，您可以按表达式进行分组：
SELECT substr(name, 1) as letter, COUNT(*) as count
FROM table
GROUP BY substr(name, 1)
这将计算以字母表中的每个字母开头的name列的行数。
我希望在python中也这样做，所以我假设我可以将一个函数传递给groupby。但是，这只会将索引列(第一列)传递给函数，例如0、1或2。
import pandas
# Return the first letter
def first_letter(row):
浏览 6提问于2015-12-09得票数 4
回答已采纳
我有以下多索引的DataFrame：
m dist
a a 2 5
b 3 8
c 4 12
d 2 3
b a 2 5
b 3 8
c 4 14
d 2 27
我想根据一个算法计算一个新列s。例如，对于(a，a)，算法是：
选择具有相同级别0索引的所有其他行：-> (a，a)，(a，b)，(a，c)，(a，d)
从此选择:选择具有dist <=自有dist的行-> (a，a)和(a，d)
求出所选项
浏览 2提问于2016-12-01得票数 1
回答已采纳
我正在使用networkx从一个txt文件构建一个电子邮件网络结构，其中每一行代表一个“边缘”。我首先将txt文件(3列：{‘#发件人’、‘收件人’、'time'})加载到Python中，然后使用以下代码将其转换为networkx对象：
import networkx as nx
import pandas as pd
email_df = pd.read_csv('email_network.txt', delimiter = '->')
email = nx.from_pandas_dataframe(email_df, '
浏览 1提问于2017-09-19得票数 0
回答已采纳
我正在使用Python进行一个小项目，并且遇到了以下问题：
我有一个表，其中A列包含多个并且可能是非唯一值，第二列B包含可能为零的值。现在，我希望根据A列中所有行的值对DataFrame中的所有行进行分组，然后只对B列中包含一个或多个零的组进行“保持”或“选择”。
例如，从如下所示的DataFrame中：
Column A Column B
-------- --------
b 12
c 56
f 0
b 456
b 334
f 10
我只对列A=f的所有行(组
浏览 6提问于2016-02-16得票数 0
回答已采纳
我正在尝试用python包pdfplumber从PDF文档中提取一个表。该表有四列和多行。第一行是标题，第二行只有一个合并的单元格，然后值被正常保存(例如) pdfplumber能够检索表格，但如果有四列，它会生成6列，并根据列保存值。 Table as shown in PDF document ? 我尝试使用不同的表格设置，包括“垂直策略”：“线”，但这产生了相同的结果。 # Python 2.7.16
import pandas as pd
import pdfplumber
path = 'file_path'
pdf = pdfplumber.open(
浏览 47提问于2019-10-09得票数 0
如果有人告诉我如何完成下面的任务，我将不胜感激。假设我在python中有一个dataframe，如下所示： col1 col2 col3 col4
0 A 2001 2 5
1 A 2001 2 4
2 A 2001 3 6
3 A 2002 4 5
4 B 2001 2 9
5 B 2001 2 4
6 B 2001 2 3
7 B 2001 3 95 如果col1、col2和col3中的对应值相同，我想得到col4的平均值，然后去掉前3列中重复
浏览 12提问于2018-12-24得票数 1
1回答
我需要为熊猫DataFrame的每一列找到包含在一定间隔(错误)内的所有条目(并按索引对它们进行分组)。例如，一个+/- 0.2间隔：
myDataFrame:
A B C
0 1.1 1.3 1.5
1 0.7 0.1 -0.5
2 1.2 1.9 1.3
3 0.1 0.0 -0.3
4 0.2 0.1 -0.1
其结果将是：
列A: {0,2}，{3,4}
列B: {1,3,4}
列C: {0,2}，{1,3}，{3,4}
这个是可能的吗？我知道我可以执行多个for循环来迭代每一行和每一列，我只是想知道是否有任何方法可以使用熊猫来实现，因
浏览 2提问于2016-05-03得票数 0
与从条件计算DataFrame值有关的DataFrame问题有关，我有一个更复杂的问题，就是根据该条件为我正在苦苦挣扎的给定行包含一个和。下面是最初的df：
Key UID VID count month option unit year
0 1 5 100 1 A 10 2015
1 1 5 200 1 B 20 2015
2 1 5 300 2 A 30 2015
3 1 5 400 2
浏览 2提问于2017-02-02得票数 2
回答已采纳
2回答
下面是一个很小的例子，展示了我所面临的问题。让我们的初始状态如下(我只为演示目的使用字典)：
A = [{'D': '16.5.2013', 'A':1, 'B': 0.0, 'C': 2}, {'D': '16.5.2013', 'A':1, 'B': 0.0, 'C': 4}, {'D': '16.5.2013', 'A':1, 'B': 0.5, 'C'
浏览 0提问于2014-05-22得票数 1
回答已采纳
我想按多列分组，但其中一列有字符串类型的值。在这里发布一个示例数据集，我使用的DataFrame有多个列和一个int类型列和一个string类型列。
给定DataFrame：
# |Year| Movie|
# +----+----------------+
# |2020| Inception|
# |2018| The Godfather|
# |2018| The Dark Knight|
# |2015| 12 Angry Men|
# |2020|Schindler's List
浏览 2提问于2022-06-28得票数 0
我有一个从csv文件中提取的数据。我想迭代一个数据进程，其中只有一些列的数据是n行的平均值，而其余的列是每个迭代的第一行。
例如，从csv提取的数据由100行6列组成。我有一个变量n_AVE = 6，它告诉代码将数据平均为每6行。
rawDf = pd.read_csv(outputFilePath / 'Raw_data.csv', encoding='CP932')
OUT:
TIME A B C D E
0 2021/3/4 148 0 142
浏览 7提问于2022-03-11得票数 1
回答已采纳
我有一个具有以下结构的dataframe：
<class 'pandas.core.frame.DataFrame'>
Int64Index: 1152 entries, 0 to 143
Data columns:
cuepos 1152 non-null values
response 1152 non-null values
soa 1152 non-null values
targetpos 1152 non-null values
testorientati
浏览 6提问于2012-11-15得票数 1
回答已采纳
1回答
我有一个包含4000行的DataFrame。我想从这个数据帧中随机选择20行。
新的DataFrame必须平衡。这意味着我有一个名为default的属性，它可以接受两个值，yes或no。因此，新的平衡DataFrame必须包含10个样本的yes和10个样本的no。
你能帮帮我吗?
浏览 9提问于2018-12-16得票数 1
我的数据框架中已经有两个布尔列，low和high。然后，我想定义一个in_range列，它反映了行中的low列和high列都是假的情况。以下是我尝试过的：
df['in_range'] = not (df.low or df.high)
这将生成错误：
ValueError:系列的真值是不明确的。使用a.empty、a.bool()、a.item()、a.any()或a.all()。
我想一行行地做这件事。我尝试添加.bool()，这导致了这个错误：
ValueError:只能将大小为1的数组转换为Python标量
我的代码有什么问题，根据现有的布尔列生成新的布
浏览 2提问于2017-02-03得票数 1
1回答
我有数据(dataframe)，在一列(id)上有相似的2×2行，但在其他列上不同。在这些列中，有一个值。我希望只保留最大值的行，并丢弃另一行。
对于下面这样的数据，用min值丢弃给定ID的行
ID, Sub-ID, Value
1, 1, 5 => keep
1, 4, 3 => discard
2, 6, 10 => keep
2, 4, 1 => discard
3, 9, 0 => discard
3, 1, 1 => keep
..
浏览 0提问于2019-07-24得票数 1
回答已采纳
所以现在，我使用Python中的session.createDataFrame()创建了一个Dataframe。其目的是将此Dataframe附加到雪花中现有的表对象中。
但是，源dataframe的架构与目标表的模式不完全匹配。在斯诺dataframe中，DataFrameWriter对象具有option() 方法，该方法允许指定列顺序，因此允许跳过数据文件中的列，因为列的名称可以匹配。
然而，斯诺公园Python目前还缺少option() for DataframeWriter。这迫使雪花查找模式和列数(源和目标之间)匹配，否则会引发错误。
还不确定Python的斯诺Python何时会收到
浏览 12提问于2022-08-28得票数 2
1回答
当我尝试按特定列进行groupby和sum by dataframe时，我会得到以下错误。
ValueError: Grouper for '<class 'pandas.core.frame.DataFrame'>' not 1-dimensional
我检查了其他解决方案，这不是双列名称标题问题。
请参阅下面的df3，除最后两列外，我希望对所有列进行分组，我想要sum()。
dfs head显示，如果我只是按列名称分组，它可以正常工作，但不适用于iloc，因为我知道iloc是我想要分组的正确公式。
我需要使用ILOC作为最终的dataframe将
浏览 7提问于2022-11-08得票数 1
回答已采纳
1回答
我有一个熊猫DataFrame，它有一个布尔列来指示给定行是否实际上是一个标题(相对于一个值)。我想让熊猫群对象离开标题行和下一个标题之前的所有后续行。
假设有以下列的DataFrame：
pd.Series([True, False, False, False, True, False False])
我想运行一个groupby语句，它将这个DataFrame分成两组: True、False、False、False和True、False。我该怎么做？
浏览 1提问于2021-06-07得票数 0
回答已采纳
1回答
我需要查看列'b‘中的所有行，如果该行不是空的，则转到另一个相应的列'c’，并对第三列'c‘中的所有其他行删除此特定索引的重复项，同时保留该特定索引。我遇到了drop_duplicates，但是我无法找到只查找突出显示的行的副本的方法，而不是一列中的所有重复。我不能对整个列使用drop_duplicates，因为我希望在该列中保留可能只对应于'b‘列中空值的重复项。
因此，可能的情况是:如果在“b”中找到一个非空值，则可以转到“c”中的当前索引，并找到该索引的所有副本并删除这些索引。这些重复可以对应于'b‘中的空值或非空值。如果在“b”中找到空值，跳到下
浏览 6提问于2016-09-22得票数 1
回答已采纳
我有以下类型的dataframe。我有所有的列，除了最后一列“以前的总点数P1"，我希望创建该列：
数据按“日期”列排序。
Date | Points_P1 | P1_id | P2_id | Total_Previous_Points_P1
-------------+---------------+----------+-----------------------------------
10/08/15 | 5 | 100 | 90 | 500
-------------+--------
浏览 0提问于2019-09-09得票数 0
回答已采纳
2回答
如果只有一个列，则可以使用over方法在组中对该列进行排序。例如,
import polars as pl
df = pl.DataFrame({'group': [2,2,1,1,2,2], 'value': [3,4,3,1,1,3]})
df.with_column(pl.col('value').sort().over('group'))
# shape: (6, 2)
# ┌───────┬───────┐
# │ group ┆ value │
# │ --- ┆ --- │
# │ i64 ┆ i6
浏览 2提问于2022-03-20得票数 2
回答已采纳
2回答
我在Python语言中有一个Spark dataframe，它按照特定的顺序，可以根据值为1或0的列"start_of_section“将行划分到正确的组中。对于需要组合在一起的每个行集合，除了"value“和"start_of_section”之外的每一列都是相等的。我希望将每个这样的集合分组到一行和一个列"list_values“中，前者每隔一列具有相同的值，后者包含每行中所有值的数组。
因此，一些行可能如下所示：
Row(category=fruit, object=apple, value=60, start_of_section=1)
Row(cate
浏览 2提问于2020-08-24得票数 1
我有成千上万行和列的excel数据文件。我正在使用python，并且已经开始使用pandas dataframe来分析数据。我想在D列中为每个ID计算C列中的值每年的年度变化。我可以使用excel来执行此操作-如果组织ID与前一行中的ID相同，则计算年度变化(将单元格突出显示为蓝色，因为这是该特定ID的第一个期间)。我不知道如何使用python来做到这一点。有人能帮上忙吗？
浏览 15提问于2018-08-29得票数 1
1回答
我现在正在从R过渡到Python，并有一个熊猫数据示例如下：
df = pd.DataFrame({'x': pd.Series([1.0, 'Joe Young', '3M-Fit']), 'y': pd.Series(['1000', '1001', '1002'], dtype=int), 'z' : pd.Series(['Henry', 'Henry','Henry'])})
x
浏览 1提问于2016-03-01得票数 0
回答已采纳
我有一个像这样的熊猫数据框架： name salary skills
Web-master 2000 ['django', 'html', 'java']
Engineer 2700 ['python', 'java', 'sql']
Programer 2400 ['python', 'css', 'sql'] 我想创建一个数据帧，如下所示： name count
浏览 30提问于2021-05-06得票数 1
1回答
我有一个dataframe，我们称它为DF，我需要它来删除某些行。数据帧与下面的示例非常相似。
|Symbol | Date | Volume |
|----------------------------|
|A |2014-01-01 | 0 |
|A |2014-01-02 | 0 |
|A |2014-01-03 | 0 |
|A |2014-01-04 | 1 |
|B |2014-01-01 |45 |
|B |2014-01-02 |0 |
|B
浏览 0提问于2021-01-16得票数 0
2回答
我有3个数据集，每个数据集有3列和超过1000行。数据是关于两种症状组合的计数。例如，疼痛和发烧，计数为2。我想要一个输出，其中这些DataFrames以这样的方式组合在一起，即来自不同DataFrames的常见症状的计数被相加，而非常见的组合恰好以它们的方式结合在一起。我附上了一个样本DataFrame和我想要的结果。我们将非常感谢您的帮助。
#Sample
a = pd.DataFrame({'a':['pain','fever','Headache'],'b':['Cancer','H
浏览 24提问于2021-02-15得票数 0
回答已采纳
在删除特定列中的重复行时，是否可以基于第二列和第三列优先保留重复行之一？ 考虑以下示例： # Example dataframe.
df <- data.frame(col.1 = c(1, 1, 1, 2, 2, 2, 3, 3),
col.2 = c('a', 'b', 'b', 'a', 'b', 'c', 'a', 'a'),
col.3 = c('b', 'c
浏览 15提问于2019-05-21得票数 1
回答已采纳
1回答
我有这只熊猫的数据
我要那个
如果有一天，某一行condition_2在一行condition_1之前为“True”，则将condition_2行更改为NaN。
Dataframe结构:在列的同一行中不可能有True和True
因此，在前面的dataframe中，应该是这样的：
这是示例代码：
import pandas as pd
from datetime import datetime
tbl = {"date" :["2022-02-27", "2022-02-27", "2022-02-27", &#
浏览 2提问于2022-07-01得票数 0
回答已采纳
1回答
我需要帮助，在SSRS 2010。我有四栏的桌子。对第一列和第二列进行分组，第三列已向下钻取。如何对每一行钻取重复第一列和第二列的值？
浏览 3提问于2014-11-25得票数 0
回答已采纳
我上几天问了一个问题，得到了公认的答复。问题是，
但是，问题是，当我想将这段代码应用到一个大型数据文件时，它会给我一个ValueError: cannot handle a non-unique multi-index!错误。我尝试通过df.columns.value_counts()检查我的数据帧的索引，如下所示，我的数据帧的所有计数都是1。我的dataframe有30列，有3000行。point_id、date和是列。
有人知道如何解决这个问题吗？非常感谢。
浏览 2提问于2022-03-24得票数 2
回答已采纳
因此，我正在做一个来自Datacamp的练习，它告诉您从两个文件中按地区汇总预期寿命。
包含列的life_fname：“国家”、“预期寿命”
来源：
包含列的regions_fname：'Country'，'Region‘
来源：
# Read life_fname into a DataFrame: life
life = pd.read_csv(life_fname, index_col='Country')
# Read regions_fname into a DataFrame: regions
regions = pd.read_csv(r
浏览 4提问于2018-08-24得票数 2
我有一个DataFrame
df = pd.DataFrame(['A','B','C'], columns = ['Letters'])
我有一个names的列表
names = ['George All', 'George Ball','George Ago','George Call']
如何在DataFrame中创建一个新列，其中包含以Letters列开头的姓氏列表。
例如：
Letters Names
A ['George All&#
浏览 1提问于2015-10-27得票数 0
回答已采纳
我得到了以下DataFrame：
System R System_num
0 CO 0.8 1
1 CO 0.9 1
2 CO 1.0 1
3 CO 1.2 1
4 CO 1.4 1
5 CO 0.8 2
6 CO 0.9 2
7 CO
浏览 1提问于2017-01-19得票数 0
回答已采纳
2回答
我有一个370000行x340列的数据框架，在这个DataFrame中，我在列之间混合了数值和非数值。
我想合并行，基于user_id，某些数值被求和，而非数值被保留。
给定表：
user_id points gender age
11111 10000 male 18
2222 4200 female 33
11111 30000 male 18
2222 10 female 33
11111
浏览 1提问于2018-06-22得票数 1
我正在寻找一种从我的Pandas Dataframe中提取新列的方法，它显示当前值出现的频率与以前相同的次数(没有中断)
例如，从下面这样的列中：
df = pd.DataFrame([10, 10, 23, 23, 9, 9, 9, 10, 10, 10, 10, 12], columns=['RiseOrFall'])
应提取以下列：
0
1
0
1
0
1
2
0
1
2
3
0
一位用户几年前发布的类似内容：
df = df.groupby(df['RiseOrFall'].ne(df['RiseOrFall'].shift()).cum
浏览 1提问于2019-08-10得票数 2
3回答
我有一个多行的dataframe，我想使用每个列使用不同的函数将其聚合到1行数据。
以下面的dataframe为例：
df = pd.DataFrame([[1,2], [2,3]], columns=['A', 'B'])
print(df)
结果：
A B
0 1 2
1 2 3
我想使用sum聚合第一列，使用mean聚合第二列。有一个方便的方法可以将列名映射到聚合函数，如下所示：
aggfns = {
'A': 'sum',
'B': 'mean'
}
prin
浏览 5提问于2021-12-21得票数 1
2回答
我得到了一个“在Python中构建一套全面的技术指标以进行定量交易”代码示例：
然而，groupby方法(对于简单移动平均-SMA)是基于它的“符号”(AAPL或NFLX)来解析的：
all_data['SMA_5'] = all_data.groupby('symbol')['Close'].transform(lambda x: x.rolling(window = 5).mean())
all_data['SMA_15'] = all_data.groupby('symbol')['Close&#
浏览 3提问于2022-04-02得票数 1
回答已采纳
1回答
熊猫连体数据切片
、、、、
我创建了一个dataframe，导入了多个文本文件，并使用以下代码将它们连接在一个dataframe中：
list=[]
for filename in allfiles:
df = pd.read_csv(filename, index_col=None, header=0,delim_whitespace=True, skipfooter = 1,engine='python')
list.append(df)
dat = pd.concat(list, axis=0, keys=range(0,len(allfiles))
现在，我想要创建n个数组，使用
浏览 0提问于2019-05-15得票数 1
回答已采纳
2回答
完全熔毁了，需要一些帮助。
我有一个具有+10m行的DataFrame和大约150个带有两个ids的列，如下所示：
df = pd.DataFrame({'id1' : [1,2,5,3,6,4]
,'id2' : [2,1,np.nan,4,np.nan,3]
,'num' : [123, 3231, 123, 231, 6534,2394]})
id1 id2 num
0 1 2.0 123
1 2 1.0 3231
2 5 NaN 123
3 3
浏览 0提问于2017-09-28得票数 1
回答已采纳
因此，我对字典中的数据有问题-- python实际上用数字“命名”了我的行和列。这是我的密码：
a = dict()
dfList = [x for x in df['Marka'].tolist() if str(x) != 'nan']
dfSet = set(dfList)
dfList123 = list(dfSet)
for i in range(len(dfList123)):
number = dfList.count(dfList123[i])
a[dfList123[i]]=number
sorted_by_value = so
浏览 0提问于2019-01-06得票数 1
1回答
数据数据的两列之间的差异
、、、
我是python的新手，我想找出dataframe的两列之间的区别。我想要的是找出两列和第三列的区别。例如，我有一个数据足球，其中包含了所有的球队踢足球与目标和他们的俱乐部。我想找出与球队名称有关的进球差异。即(目标差=守门员)。
Pos Team Seasons Points GamesPlayed GamesWon GamesDrawn \
0 1 Real Madrid 86 5656 2600 1647 552
1 2 Barcelona 86 5
浏览 1提问于2019-10-14得票数 1
回答已采纳
1回答
我目前正致力于理解火花，并遇到了一个问题。当其中一个列是计数时，我正试图解决如何在dataframe中按多个列排序。
例如，假设我有一个有三列A、B和C列的dataframe (df)，我想按A和B分组，然后计数这些实例。因此，如果有10个A=1和B=1实例，那么该行的表应该如下所示：
A，B，计数
1 1 10
我已经确定通过运行可以轻松地做到这一点：
df.groupBy('A'，'B').count()
然后，如果我想按计数(降序)对此数据进行排序，这也是非常简单的：
df.groupBy('A'，‘B’).count().orderBy(
浏览 12提问于2022-03-09得票数 0
1回答
我正在尝试创建一个df.groupby，并且只为组中的所有行保留列中有负值的行。
例如，我有一个像这样的数据
df = pd.DataFrame({'name':['Lucas','Marie','Lucy','Lucas','Marie','Lucas','Phil','Marie','Marie','Lucy','Lucas']})
df['rand'] = np.random.ran
浏览 3提问于2020-07-03得票数 1
回答已采纳
我有一个有3列的Dataframe df。A、B和C
A B C
2 4 4
5 2 5
6 9 5
我的目标是使用itertools.combinations查找所有不重复的列对，并将第一列对放入一个DataFrame中，将第二列对放入另一列中。所以所有的对都会得到A:B，A:C，B:C。
因此，第一个数据帧df1将具有这些列对中的第一个：
df=A A B
2 4 4
5 5 2
6 5 9
第二个df2：
B C C
4 4 4
3 5 5
9 5 5
我正在尝试使用itertools做一些事情，比如：
for cola, colb i
浏览 2提问于2016-05-31得票数 0
2回答
我希望根据行中任意数量的其他列的值来设置星火DataFrame中的列的值。
我意识到我可以这样做：
df.withColumn("IsValid", when($"col1" === $"col2" && $"col3" === $"col4", true).otherwise(false))
但是，对于带有20+列的数据帧，必须有更好的方法来做到这一点。
该行包含偶数的列，应该对其进行双选中，以便知道"IsValid“列将是true还是false。
浏览 3提问于2021-03-04得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
