展开

关键词

首页关键词dataframe dtype

dataframe dtype

相关内容

云服务器

云服务器

腾讯云服务器(CVM)为您提供安全可靠的弹性云计算服务。只需几分钟,您就可以在云端获取和启用云服务器,并实时扩展或缩减云计算资源。云服务器 支持按实际使用的资源计费,可以为您节约计算成本。
  • pd.DataFrame.set_index可以保留dtype吗?

    我试图以df.set_index这样的方式调用,即dtypeset_index的列是新的index.dtype。不幸的是,在以下示例中,set_index更改了dtype。df = pd.DataFrame({a: pd.Series(np.array(, dtype=np.int8))})df = dfassert (df.dtypes == np.int8).all() # finedf2= df.set_index(a)assert df2.index.dtype == df.dtype, df2.index.dtype 有可能避免这种行为吗?我的熊猫版本是0.23.3 同样的, new_idx = pd.Index(np.array(), dtype=np.dtype(int8))assert new_idx.dtype == np.dtype(int64) 即使dtype参数的文档说:“如果提供了一个实际的dtype,如果它是安全的,我们会强制使用该dtype。
    来自:
    回答:1
  • Python是强类型语言,当创建DataFrame时,dtype = float会应用于只有浮点数才有意义的值吗?

    import pandas as pddata = ,,]df = pd.DataFrame(data,columns=,dtype=float)print df 创建DataFrame时,我们将数据类型定义为
    来自:
    回答:1
  • 广告
    关闭

    腾讯「技术创作101训练营」第三季上线!

    快来报名!

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到
  • Pandas-3. DataFrame

    构造函数pandas.DataFrame( data, index, columns, dtype, copy)参数含义: 参数 描述 data 数据,接受的形式有:ndarray,Series, map,lists,dict,constant,DataFrame index 行标签,默认为np.arange(n) columns 列标签,默认为np.arange(n) dtype 每列的数据类型 copy(pd.DataFrame(,,], columns=, dtype=float))结果 key value0 A 10.01 B 11.02 C 12.02.3 从ndarraysLists的字典来创建: one, dtype: float64添加一列df = pd.Series(, index=)print(df)结果: one two threea 1.0 1 10.0b 2.0 2 20.0c: float64按整数位置选择 将证书位置传递给iloc()函数选择行:print(df.iloc)结果:one 3.0two 3.0Name: c, dtype: float64删除行 drop()
    来自:
    浏览:227
  • Pandas数据结构之DataFrame

    用 Series 字典或字典生成 DataFrame用多维数组字典、列表字典生成 DataFrame用结构多维数组或记录多维数组生成 DataFrame用列表字典生成 DataFrame用元组字典生成In : df.indexOut: Index(, dtype=object) In : df.columnsOut: Index(, dtype=object)用多维数组字典、列表字典生成 DataFrameIn : data = np.zeros((2, ), dtype=) In : data = In : pd.DataFrame(data)Out: A B C0 1 2.0 bHello1 2 3.0threeA 1 2 3B 4 5 6DataFrame.from_recordsDataFrame.from_records 构建器支持元组列表或结构数据类型(dtype)的多维数组。本构建器与 DataFrame 构建器类似,只不过生成的 DataFrame 索引是结构数据类型指定的字段。例如:In : dataOut: array(, dtype=[(A,
    来自:
    浏览:163
  • 3. Pandas系列 - DataFrame操作

    概览 pandas.DataFrame创建DataFrame列表字典系列(Series)列选择列添加列删除 popdel行选择,添加和删除标签选择 loc按整数位置选择 iloc行切片附加行 append删除行 drop数据帧(DataFrame)是二维数据结构,即数据以行和列的表格方式排列数据帧(DataFrame)的功能特点:潜在的列是不同的类型大小可变标记轴(行和列)可以对行和列执行算术运算pandas.DataFrame构造函数:pandas.DataFrame(data, index, columns, dtype, copy) 编号参数描述1data数据采取各种形式,如:ndarray,series,map,lists,dict,constant和另一个DataFrame。4dtype每列的数据类型。5copy如果默认值为False,则此命令(或任何它)用于复制数据。
    来自:
    浏览:278
  • 数据分析篇 | Pandas数据结构之DataFrame

    用列表字典生成 DataFrame用元组字典生成 DataFrame用 Series 创建 DataFrame备选构建器DataFrame 是由多种类型的列构成的二维标签数据结构,类似于 Excel 、In : df.indexOut: Index(, dtype=object) In : df.columnsOut: Index(, dtype=object) 用多维数组字典、列表字典生成 DataFrameIn : data = np.zeros((2, ), dtype=) In : data = In : pd.DataFrame(data)Out: A B C0 1 2.0 bHello1 2 3.0threeA 1 2 3B 4 5 6 DataFrame.from_recordsDataFrame.from_records 构建器支持元组列表或结构数据类型(dtype)的多维数组。本构建器与 DataFrame 构建器类似,只不过生成的 DataFrame 索引是结构数据类型指定的字段。例如:In : dataOut: array(, dtype=[(A,
    来自:
    浏览:211
  • 【数据分析与可视化】深入理解Series和DataFrame

    可以理解为Series一维组成 DataFrame二维(多个Series组成)import numpy as npimport pandas as pddata = {name:, age:, telpd.Series(data)s10 zhangsan1 lisi2 wangwu3 wangma4 zhaoliudtype: object# values返回array类型s1.valuesarray(, dtype=object)DataFrame# 通过字典创建数据框df1 = pd.DataFrame(data)df1 name age tel 0 zhangsan 11 158 1 lisi 12 169: object) 20 name zhangsanage 11tel 158Name: 0, dtype: object # 组合Series创建DataFrames1 = pd.Series(data)s2 = pd.Series(data)s3 = pd.Series(data)# 效果是原数据转置df_new = pd.DataFrame(,index=)df_new 0 1 2 3 4 name
    来自:
    浏览:138
  • Pandas数据结构之DataFrame常见操作

    就像带索引的 Series 字典,提取、设置、删除列的操作与字典类似:In : dfOut: a 1.0b 2.0c 3.0d NaNName: one, dtype: float64 In : df的列:In : df.locOut: one 2bar 2flag Falsefoo barone_trunc 2Name: b, dtype: object In : df.ilocOut: one3bar 3flag Truefoo barone_trunc NaNName: c, dtype: object 高级索引、切片技巧,请参阅索引。({a: , b: }, dtype=bool) In : df2 = pd.DataFrame({a: , b: }, dtype=bool) In : df1 & df2Out: a b0 False: ser2Out: b 1a 3c 5dtype: int64 In : np.remainder(ser1, ser2)Out: a 1b 0c 3dtype: int64 一般来说,Pandas
    来自:
    浏览:186
  • Pandas数据结构之DataFrame常见操作

    就像带索引的 Series 字典,提取、设置、删除列的操作与字典类似:In : dfOut: a 1.0b 2.0c 3.0d NaNName: one, dtype: float64 In : df的列:In : df.locOut: one 2bar 2flag Falsefoo barone_trunc 2Name: b, dtype: object In : df.ilocOut: one3bar 3flag Truefoo barone_trunc NaNName: c, dtype: object高级索引、切片技巧,请参阅索引。({a: , b: }, dtype=bool) In : df2 = pd.DataFrame({a: , b: }, dtype=bool) In : df1 & df2Out: a b0 False: ser2Out: b 1a 3c 5dtype: int64 In : np.remainder(ser1, ser2)Out: a 1b 0c 3dtype: int64一般来说,Pandas
    来自:
    浏览:159
  • Pandas数据结构之DataFrame常见操作

    提取、添加、删除列DataFrame 就像带索引的 Series 字典,提取、设置、删除列的操作与字典类似:In : dfOut: a 1.0b 2.0c 3.0d NaNName: one, dtype的列:In : df.locOut: one 2bar 2flag Falsefoo barone_trunc 2Name: b, dtype: object In : df.ilocOut: one3bar 3flag Truefoo barone_trunc NaNName: c, dtype: object高级索引、切片技巧,请参阅索引。({a: , b: }, dtype=bool) In : df2 = pd.DataFrame({a: , b: }, dtype=bool) In : df1 & df2Out: a b0 False: ser2Out: b 1a 3c 5dtype: int64 In : np.remainder(ser1, ser2)Out: a 1b 0c 3dtype: int64一般来说,Pandas
    来自:
    浏览:116
  • 为什么使用字符串和Timedelta转换DataFrame来转换dtype?

    import pandas as pddf = pd.DataFrame({id: , val: })df = pd.to_timedelta(df.val, unit=M) print(df.T)#df2 = pd.DataFrame({id: , val: }) type(df2.T)#str 为什么id在第一个实例中更改get 的类型,而不是第二个实例?
    来自:
    回答:2
  • pandas教程(一)Series与DataFrame

    DataFrame:是有多个列的数据表,每个列拥有一个 label,当然,DataFrame 也有索引。5d 6dtype: int64我们也可以对Series进行一些处理,然后,再进行输出:In : obj2Out:d 6b 7a -5c 3dtype: int64 In : obj2Out:d 6b7c 3dtype: int64 In : obj2 * 2Out:d 12b 14a -10c 6dtype: int64另一种思考的方式是,Series是一个定长的,有序的字典,因为它把索引和值映射起来了设置DataFrame列的排列顺序:In : DataFrame(data, columns=)Out: year state pop0 2000 Ohio 1.51 2001 Ohio 1.72 2002: year, dtype: int64列可以通过赋值来修改。
    来自:
    浏览:244
  • pandas入门:Series、DataFrame、Index基本操作都有了!

    values:以ndarray的格式返回Series对象的所有元素index:返回Series对象的索引dtype:返回Series对象的数据类型shape:返回Series对象的形状nbytes:返回class pandas.DataFrame(data=None, index=None, columns=None, dtype=None, copy=False) DataFrame函数常用的参数及其说明如下所示对象的数据类型axes:返回DataFrame对象的轴标签ndim:返回DataFrame对象的轴尺寸数size:返回DataFrame对象的个数shape:返回DataFrame对象的形状访问创建的DataFrame) #输出:DataFrame的Index为:Index(, dtype=object) print(DataFrame的列标签为:, df.columns) #输出:DataFrame的列标签为:Index(, dtype=object) print(DataFrame的轴标签为:, df.axes) #输出:DataFrame的轴标签为: , dtype=object), Index(, dtype=object
    来自:
    浏览:187
  • 如何指定Pandas数据框列dtypes?

    我想设置pd.Dataframe中的多列dtype(我有一个文件,我不得不手动解析到列表中,因为该文件不适合pd.read_csv) import pandas as pdprint pd.DataFrame(,], dtype={x:object,y:int}, columns=) 明白 ValueError: entry not a 2- or 3- tuple 我可以设置它们的唯一方法是循环遍历每个列变量并重新进行dtypes = {x:object,y:int}mydata = pd.DataFrame(,], columns=)for c in mydata.columns: mydata = mydata.astype(dtypes)print mydata.dtype #=> int64 有没有更好的办法?
    来自:
    回答:2
  • 指定pandas数据框列dtypes

    我想设置dtype多列中的s pd.Dataframe(我有一个文件,我不得不手动解析到列表中,因为文件不适合pd.read_csv) import pandas as pdprint pd.DataFrame(,], dtype={x:object,y:int}, columns=) ValueError: entry not a 2- or 3- tuple 我可以设置它们的唯一方法是循环遍历每个列变量并重新进行dtypes = {x:object,y:int}mydata = pd.DataFrame(,], columns=)for c in mydata.columns: mydata = mydata.astype(dtypes)print mydata.dtype #=> int64 有没有更好的办法?
    来自:
    回答:2
  • 如何得到一个pandas 多索引的dtype?

    如何在不打印出所有值的情况下找到pandas中dtype的一个MultiIndex。我只想知道指数的名称及其类型。例如: df = pd.DataFrame({a: np.arange(100000), b: np.arange(100000)}, index=pd.MultiIndex.from_arrays(]
    来自:
    回答:1
  • python dataframe列float到int

    (client.get_ticker()) tick = tick_df.loc] tick.iloc].astype(int) if tick.dtype !(client.get_ticker()) tick = tick_df.loc].values tick.astype(int) if tick.dtype !dtype!= np.number:SyntaxError:语法无效 def tick_data(*args, **kwargs):for i in tickers: tick_df = pd.DataFrame(client.get_ticker()) tick = tick_df.loc] tick].astype(int) if tick.dtype !
    来自:
    回答:1
  • DataFrame中的几何平均值

    我试图在行中获得几何平均值,DataFrame看起来像这样: PLTRNSU00013 PLSRBEX00014 PLATTFI00018 PLALMTL00023 PLAMBRA00013 PLAMICA00010, line 305, in gmean log_a = np.log(np.array(a, dtype=dtype)) AttributeError: float object has no attributelog 我正在和异常AttributeError 我试图摆脱的Nan用 In : gmean(DataFrame.loc.dropna())Traceback (most recent call last): File , line 1, in gmean(DataFrame.loc.dropna()) File D:Pythonlibsite-packagesscipystatsstats.py, line305, in gmean log_a = np.log(np.array(a, dtype=dtype)) AttributeError: numpy.float64 object has no attribute
    来自:
    回答:2
  • 《Pandas Cookbook》第02章 DataFrame基本操作1. 选取多个DataFrame列2. 对列名进行排序3. 在整个DataFrame上操作4. 串联DataFrame方法5. 在

    : int64# 对这个Series再使用sum,返回整个DataFrame的缺失值的个数,返回值是个标量 In: movie.isnull().sum().sum()Out: 2654# 判断整个DataFramemovie.isnull().get_dtype_counts()Out: bool 28 dtype: int64更多# movie数据集的对象数据包含缺失值。# 用DataFrame和DataFrame进行比较 In: college_self_compare = college_ugds_ == college_ugds_ college_self_compare.headUGDS_NHPI 661 UGDS_2MOR 661 UGDS_NRA 661 UGDS_UNKN 661 Length: 9, dtype: int64# 比较两个DataFrame最直接的方法是使用UGDS_NHPI 0 UGDS_2MOR 0 UGDS_NRA 0 UGDS_UNKN 0 Length: 9, dtype: int64# 用大于或等于方法ge(),将DataFrame变为布尔值矩阵
    来自:
    浏览:809

扫码关注云+社区

领取腾讯云代金券