我想使用PyJulia来加速代码的某些部分
import numpy as np
import julia
import pandas as pd
import random
from julia import Base
from julia import Main
from julia import DataFrames
n = 100000
randomlist = []
for i in range(0,n):
num = random.randint(1,100)
randomlist.append(num)
data = {
'Score'
朱莉娅是新来的。跟随这个博客去做神经网络:
我对Julia中的数据类型和错误消息感到困惑。这是我的代码(同样,在神经网络博客文章之后):
# read in df to train
train_df = readtable("data/winequality-red.csv", separator=';')
# create train and test data splits
y = train_df[:quality]
x = train_df[:, 1:11] # matrix of all except quality
# vector() and m
我有一个看起来像这样的DataFrame:
Market | Status | Team | Member |
-------|--------|------|--------|
Chicago| 1 | ENG | None |
Chicago| 1 | ENG | None |
SF Bay | 3 | ENG | Julia |
还有一本用户和他们的电子邮件字典:
TeamMembers = {
"Julia": "julia@email.com", "Tyler": "tyle
在我的例子中,我通过使用csv模块并像这样导入它来加载以下CSV数据(https://ourworldindata.org/coronavirus-source-data): using DataFrames
using CSV
raw = CSV.read("data.csv") 然后,我想通过索引来设置字符串列,如下所示: raw[1, :location] = "AA" 我得到了以下错误: setindex! not defined for CSV.Column{String,PooledString}
Stacktrace:
[1] error(
我有一个DataFrame
using DataFrames
using DataFramesMeta
using Chain
df = DataFrame(a=1:3,b=4:6)
我想按列:a进行降序排序。提升是直觉..。
@chain df begin
@orderby(:a)
end
我该怎么做?
在这里寻找不同的解决方案,特别是可以在@chain中使用的解决方案。
我试图在Julia中运行一个引导程序,并编写了一个可工作的引导函数。然而,这是缓慢和相同的代码在R运行了一半的时间。我确信我的代码中一定有一些效率低下的地方,我对使用Julia非常陌生。我想知道是否有人能给我一些建议。
以下是完全可复制的代码
using DataFrames
using Statistics
using StatsBase
df = DataFrame(rand(1:9, 1000,1000), :auto); # Create data
# Bootstrap function
function bootstrap(;iters=1, data=nothing, sta
我想优化(在)朱莉娅DataFrame的列。为此,我希望在优化之前和之后获得DataFrame的大小。 下面是一个DataFrame示例: rows, columns = 10_000, 50
df = rand([x for x in "ABCDE"], rows, columns) |> DataFrame 此df对象的大小... sizeof(df) 尺寸是24。 但是,当我对列的大小求和时,大小是不同的… sum([sizeof(df[x]) for x in names(df)]) 列大小的总和是2000000。 这就是优化。 for i = names(df
当我尝试在应用返回元组的函数的DataFrame中使用点运算符(按元素进行操作)时,我会得到以下错误。
这是一个玩具例子,
df = DataFrame()
df[:, :x] = rand(5)
df[:, :y] = rand(5)
#Function that returns two values in the form of a tuple
add_minus_two(x,y) = (x-y,x+y)
df[:,"x+y"] = add_minus_two.(df[:,:x], df[:,:y])[2]
#Out > ERROR: MethodError:
如何将函数应用到julia dataframe中的某些/所有列(按列排列)?我试图处理的用例是简单的类型解析和处理。例如,我想从字符串到int解析这个示例的数据格式的列。
df = DataFrame(a = ["1","2", "3"], b = ["4","5","6"])
# something like this works but destroys the structure of the dataframe
[parse.(Int64, col) for col in eachcol(
我有一个函数,在这个函数中,我规范了DataFrame的第一个N列。我想返回规范化的DataFrame,但不返回原始的。然而,该函数似乎也会对传递的DataFrame进行变异!
using DataFrames
function normalize(input_df::DataFrame, cols::Array{Int})
norm_df = input_df
for i in cols
norm_df[i] = (input_df[i] - minimum(input_df[i])) /
(maximum(input_df[i])
我有一个数组X,我想把它转换成一个数据帧。根据web的建议,我尝试转换为dataframe,并得到以下错误。
julia> y=convert(DataFrame,x) ERROR:转换has no method matching convert(::Type{DataFrame}, ::Array{Float64,2}) in convert at base.jl:13
当我尝试DataFrame(x)时,转换工作正常,但我得到了一个抱怨,转换被弃用。
julia> DataFrame(x) WARNING: DataFrame(::Matrix, ::Vector)) is
这把我难倒了。
我正在尝试连接Julia中的两个数据帧,但是我得到了这个奇怪的'nothing‘错误。它在不同的机器上工作,所以我认为这可能是包的问题。我Pkg.rm()所有的东西,并重新安装,但没有去。
Julia v1.2
using PyCall;
using DataFrames;
using CSV;
using Statistics;
using StatsBase;
using Random;
using Plots;
using Dates;
using Missings;
using RollingFunctions;
# using Indicators;
usin
我正在使用一个数据帧,其中列的标题是"Data“,但当我这样做时 df.Data
ERROR: ArgumentError: column name :Data not found in the data frame
Stacktrace:
[1] lookupname
@ C:\Users\jerem\.julia\packages\DataFrames\S3ZFo\src\other\index.jl:250 [inlined]
[2] getindex @ C:\Users\jerem.julia\packages\DataFrames\S3ZFo\src\other