Programación dataframe

5

Cómo acceder a los pandas groupby dataframe por clave

¿Cómo accedo al marco de datos groupby correspondiente en un objeto groupby mediante la clave? Con el siguiente groupby: rand = np.random.RandomState(1) df = pd.DataFrame({'A': ['foo', 'bar'] * 3, 'B': rand.randn(6), 'C': rand.randint(0, 20, 6)}) gb = df.groupby(['A']) Puedo recorrerlo para obtener las claves y los grupos: In [11]: for …

154 python pandas dataframe group-by pandas-groupby

9

Determinar los tipos de datos de las columnas de un marco de datos

Estoy usando R y he cargado datos en un marco de datos usando read.csv(). ¿Cómo determino el tipo de datos de cada columna en el marco de datos?

153 r dataframe types

6

Convierta el formato de columna data.frame de carácter a factor

Me gustaría cambiar el formato (clase) de algunas columnas de mi objeto hoja.de.datos ( mydf) de Charactor a factores . No quiero hacer esto cuando estoy leyendo el archivo de texto por read.table()función. Cualquier ayuda sería apreciada.

153 r dataframe character r-faq

7

Pandas: sumar filas de DataFrame para columnas dadas

Tengo el siguiente DataFrame: In [1]: import pandas as pd df = pd.DataFrame({'a': [1,2,3], 'b': [2,3,4], 'c':['dd','ee','ff'], 'd':[5,9,1]}) df Out [1]: a b c d 0 1 2 dd 5 1 2 3 ee 9 2 3 4 ff 1 Me gustaría agregar una columna 'e'que es la suma de …

153 python pandas dataframe sum

3

Operadores lógicos para la indexación booleana en pandas

Estoy trabajando con el índice booleano en Pandas. La pregunta es por qué la declaración: a[(a['some_column']==some_number) & (a['some_other_column']==some_other_number)] funciona bien mientras a[(a['some_column']==some_number) and (a['some_other_column']==some_other_number)] sale con error? Ejemplo: a=pd.DataFrame({'x':[1,1],'y':[10,20]}) In: a[(a['x']==1)&(a['y']==10)] Out: x y 0 1 10 In: a[(a['x']==1) and (a['y']==10)] Out: ValueError: The truth value of an array with …

153 python pandas dataframe boolean filtering

6

¿Debo usar un data.frame o una matriz?

¿Cuándo se debe usar a data.frame, y cuándo es mejor usar a matrix? Ambos mantienen los datos en un formato rectangular, por lo que a veces no está claro. ¿Hay alguna regla general sobre cuándo usar qué tipo de datos?

152 r matrix dataframe r-faq

5

¿Cómo deshacerse de la columna "Sin nombre: 0" en un DataFrame de pandas?

Tengo una situación en la que a veces, cuando leo una csvde dfobtengo un índice similar columna llamada no deseada unnamed:0. file.csv ,A,B,C 0,1,2,3 1,4,5,6 2,7,8,9 El CSV se lee con esto: pd.read_csv('file.csv') Unnamed: 0 A B C 0 0 1 2 3 1 1 4 5 6 2 2 …

152 python pandas csv dataframe

12

Reemplazar valores en blanco (espacio en blanco) con NaN en pandas

Quiero encontrar todos los valores en un marco de datos de Pandas que contengan espacios en blanco (cualquier cantidad arbitraria) y reemplazar esos valores con NaN. ¿Alguna idea de cómo se puede mejorar esto? Básicamente quiero convertir esto: A B C 2000-01-01 -0.532681 foo 0 2000-01-02 1.490752 bar 1 2000-01-03 …

152 python pandas dataframe

8

¿Pueden los pandas reconocer fechas automáticamente?

Hoy me sorprendió positivamente el hecho de que, al leer datos de un archivo de datos (por ejemplo), los pandas pueden reconocer tipos de valores: df = pandas.read_csv('test.dat', delimiter=r"\s+", names=['col1','col2','col3']) Por ejemplo, se puede verificar de esta manera: for i, r in df.iterrows(): print type(r['col1']), type(r['col2']), type(r['col3']) En particular, los …

151 python date types dataframe pandas

3

Los pandas crean marcos de datos vacíos con solo nombres de columna

Tengo un DataFrame dinámico que funciona bien, pero cuando no hay datos para agregar al DataFrame, aparece un error. Y, por lo tanto, necesito una solución para crear un DataFrame vacío con solo los nombres de columna. Por ahora tengo algo como esto: df = pd.DataFrame(columns=COLUMN_NAMES) # Note that there …

151 python pandas dataframe

10

La forma más rápida de reemplazar NA en una gran tabla de datos.

Tengo una gran tabla de datos , con muchos valores perdidos dispersos en sus ~ 200k filas y 200 columnas. Me gustaría volver a codificar esos valores de NA a ceros de la manera más eficiente posible. Veo dos opciones: 1: convertir a data.frame y usar algo como esto 2: …

150 r performance dataframe data.table

8

Repita cada fila de data.frame el número de veces especificado en una columna

df <- data.frame(var1 = c('a', 'b', 'c'), var2 = c('d', 'e', 'f'), freq = 1:3) ¿Cuál es la forma más simple de expandir cada fila las dos primeras columnas del data.frame anterior, para que cada fila se repita el número de veces especificado en la columna 'freq'? En otras palabras, …

150 r dataframe replicate

11

Eliminar columnas del marco de datos donde TODOS los valores son NA

Tengo problemas con un marco de datos y realmente no puedo resolver ese problema yo mismo: el marco de datos tiene propiedades arbitrarias como columnas y cada fila representa un conjunto de datos . La pregunta es: ¿Cómo deshacerse de las columnas donde para TODAS las filas el valor es …

149 r apply dataframe

7

Convierta los nombres de fila en la primera columna

Tengo un marco de datos como este: df VALUE ABS_CALL DETECTION P-VALUE 1007_s_at "957.729231881542" "P" "0.00486279317241156" 1053_at "320.632701283368" "P" "0.0313356324173416" 117_at "429.842323161046" "P" "0.0170004527476119" 121_at "2395.7364289242" "P" "0.0114473584876183" 1255_g_at "116.493632746934" "A" "0.39799368200131" 1294_at "739.927122116896" "A" "0.0668649772942343" Quiero convertir los nombres de fila en la primera columna. Actualmente utilizo algo como …

147 r dataframe col rowname

5

¿Cómo dividir los datos en 3 conjuntos (tren, validación y prueba)?

Tengo un marco de datos de pandas y deseo dividirlo en 3 conjuntos separados. Sé que usando train_test_split de sklearn.cross_validation, uno puede dividir los datos en dos conjuntos (entrenar y probar). Sin embargo, no pude encontrar ninguna solución para dividir los datos en tres conjuntos. Preferiblemente, me gustaría tener los …

146 pandas numpy dataframe machine-learning scikit-learn

Preguntas etiquetadas con dataframe