8 รวมสองซีรี่ส์เข้ากับ DataFrame ในนุ่น ฉันมีสองซีรี่ส์s1และs2มีดัชนีเดียวกัน (ไม่ต่อเนื่องกัน) ฉันจะรวมs1และs2เป็นสองคอลัมน์ใน DataFrame และเก็บหนึ่งในดัชนีเป็นคอลัมน์ที่สามได้อย่างไร 278 python pandas series dataframe
9 เก็บเฉพาะส่วนวันที่เมื่อใช้ pandas.to_datetime ฉันใช้pandas.to_datetimeเพื่อแยกวิเคราะห์วันที่ในข้อมูลของฉัน หมีแพนด้าโดยค่าเริ่มต้นจะแสดงวันที่ด้วยdatetime64[ns]แม้ว่าวันที่จะเป็นทุกวันเท่านั้น ฉันสงสัยว่ามีวิธีที่สง่างาม / ฉลาดในการแปลงวันที่ไปdatetime.dateหรือdatetime64[D]เพื่อให้เมื่อฉันเขียนข้อมูลไปยัง CSV 00:00:00วันที่ไม่ได้รับการผนวกเข้ากับ ฉันรู้ว่าฉันสามารถแปลงประเภทองค์ประกอบด้วยตนเองโดยองค์ประกอบ: [dt.to_datetime().date() for dt in df.dates] pandas.to_datetimeแต่นี้เป็นช้าจริงๆเพราะผมมีหลายแถวและการเรียงลำดับของความปราชัยวัตถุประสงค์ของการใช้ มีวิธีการแปลงdtypeคอลัมน์ทั้งหมดในครั้งเดียวหรือไม่? หรือมิฉะนั้นpandas.to_datetimeสนับสนุนข้อกำหนดความแม่นยำเพื่อให้ฉันสามารถกำจัดส่วนเวลาในขณะที่ทำงานกับข้อมูลรายวัน? 206 python pandas csv datetime series
6 วิธีรับคอลัมน์แรกของ DataFrame แพนด้าเป็น Series ฉันเหนื่อย: x=pandas.DataFrame(...) s = x.take([0], axis=1) และsรับ DataFrame ไม่ใช่ Series 143 python dataframe pandas series
6 เงื่อนไขแทนที่นุ่น ฉันมี DataFrame และฉันต้องการแทนที่ค่าในคอลัมน์ใดคอลัมน์หนึ่งที่เกินค่าด้วยศูนย์ ฉันคิดว่านี่เป็นวิธีหนึ่งในการบรรลุสิ่งนี้: df[df.my_channel > 20000].my_channel = 0 ถ้าฉันคัดลอกช่องไปยัง data frame ใหม่มันง่ายมาก: df2 = df.my_channel df2[df2 > 20000] = 0 สิ่งนี้ทำในสิ่งที่ฉันต้องการ แต่ดูเหมือนว่าจะไม่ทำงานกับช่องเป็นส่วนหนึ่งของ DataFrame ดั้งเดิม 123 python pandas replace conditional-statements series
11 รวมคอลัมน์วันที่และเวลาโดยใช้ python pandas ฉันมีดาต้าเฟรมแพนด้าที่มีคอลัมน์ต่อไปนี้ Date Time 01-06-2013 23:00:00 02-06-2013 01:00:00 02-06-2013 21:00:00 02-06-2013 22:00:00 02-06-2013 23:00:00 03-06-2013 01:00:00 03-06-2013 21:00:00 03-06-2013 22:00:00 03-06-2013 23:00:00 04-06-2013 01:00:00 ฉันจะรวมข้อมูล ['วันที่'] และข้อมูล ['เวลา'] เพื่อรับสิ่งต่อไปนี้ได้อย่างไร มีวิธีการทำโดยใช้pd.to_datetime? Date 01-06-2013 23:00:00 02-06-2013 01:00:00 02-06-2013 21:00:00 02-06-2013 22:00:00 02-06-2013 23:00:00 03-06-2013 01:00:00 03-06-2013 21:00:00 03-06-2013 22:00:00 03-06-2013 23:00:00 04-06-2013 01:00:00 113 python pandas datetime series
4 สตริงใน DataFrame แต่ dtype เป็นวัตถุ เหตุใดนุ่นจึงบอกฉันว่าฉันมีวัตถุแม้ว่าทุกรายการในคอลัมน์ที่เลือกจะเป็นสตริง - แม้ว่าจะมีการแปลงอย่างชัดเจนก็ตาม นี่คือ DataFrame ของฉัน: <class 'pandas.core.frame.DataFrame'> Int64Index: 56992 entries, 0 to 56991 Data columns (total 7 columns): id 56992 non-null values attr1 56992 non-null values attr2 56992 non-null values attr3 56992 non-null values attr4 56992 non-null values attr5 56992 non-null values attr6 56992 non-null values dtypes: int64(2), object(5) … 101 python pandas numpy types series
7 Pandas เลือกตามป้ายกำกับบางครั้งจะส่งคืน Series บางครั้งก็ส่งคืน DataFrame ใน Pandas เมื่อฉันเลือกป้ายกำกับที่มีเพียงรายการเดียวในดัชนีฉันจะได้ซีรี่ส์กลับคืนมา แต่เมื่อฉันเลือกรายการที่มีมากกว่าหนึ่งรายการฉันจะได้รับกรอบข้อมูลกลับคืนมา ทำไมถึงเป็นเช่นนั้น? มีวิธีใดบ้างที่จะทำให้แน่ใจว่าฉันได้รับ data frame กลับมาเสมอ In [1]: import pandas as pd In [2]: df = pd.DataFrame(data=range(5), index=[1, 2, 3, 3, 3]) In [3]: type(df.loc[3]) Out[3]: pandas.core.frame.DataFrame In [4]: type(df.loc[1]) Out[4]: pandas.core.series.Series 98 python pandas dataframe slice series
6 แปลงกรอบข้อมูลแพนด้าเป็นอนุกรม ฉันค่อนข้างใหม่กับแพนด้า ฉันมีกรอบข้อมูลแพนด้าที่มี 1 แถวคูณ 23 คอลัมน์ ฉันต้องการแปลงเป็นซีรีส์หรือไม่ ฉันสงสัยว่าวิธีที่ยิ่งใหญ่ที่สุดในการทำเช่นนี้คืออะไร? ฉันได้พยายามแต่ก็บ่นpd.Series(myResults) ValueError: cannot copy sequence with size 23 to array axis with dimension 1มันไม่ฉลาดพอที่จะรู้ว่ามันยังคงเป็น "เวกเตอร์" ในแง่คณิตศาสตร์ ขอบคุณ! 98 python pandas dataframe series
6 แปลงชุดหมีแพนด้าเป็น DataFrame ฉันมีซีรีส์ Pandas sf: email email1@email.com [1.0, 0.0, 0.0] email2@email.com [2.0, 0.0, 0.0] email3@email.com [1.0, 0.0, 0.0] email4@email.com [4.0, 0.0, 0.0] email5@email.com [1.0, 0.0, 3.0] email6@email.com [1.0, 5.0, 0.0] และฉันต้องการแปลงเป็น DataFrame ต่อไปนี้: index | email | list _____________________________________________ 0 | email1@email.com | [1.0, 0.0, 0.0] 1 | email2@email.com | [2.0, 0.0, … 92 python pandas dataframe series