multi-index

2熱度

1回答

我對熊貓的MultiIndex很陌生，但我有一種情況，它會有幫助。我有一個結構爲這麼多指標（ON_SCENE和最後一臺）DF： ID ON_SCENE LAST 2016-05-05 03:58:54 last1 1000 2016-05-05 17:23:39 last1 1001 2016-05-05 18:20:50 l

1熱度

1回答

Xlsxwriter合併單元格 - 格式化熊貓數據框

我的程序生成一個多索引熊貓數據框，我輸出爲excel。導出後，我使用xlsxwriter函數來設置列寬，顏色等。到目前爲止，一切看起來都不錯。我接下來需要合併幾列，但合併功能不保留文本。看看我的示例表。我需要合併單元格B5：D5，B6：D6，B7：D7。檢查所需的格式如下：但是xlsxwriter合併命令需要在命令 worksheet.merge_range被指定的數據（ 'B4：D4'，

1熱度

2回答

得到的多指標數據幀

nlargest值我有一個數據幀，看起來像下面的圖片：這裏UID和ID索引。該數據幀是從單個索引數據幀轉換而來的，因此某些列有重複值。對於每個uid，avg_diff的所有值都相同，但不同的uid對於此字段將具有不同的值。我想用不同的uid獲得最大的值。注意：這是一個巨大的數據框架，所以我正在尋找最優化的方式。

0熱度

1回答

的結構最佳容器幾個鍵C++

考慮以下結構： struct{ // Keys int key1; double key2; type key3; ... // Variables to increment double varibleToIncrement; ... } 什麼是存儲這些記錄中的，我將需要增加其已經在它的那些的變量的最佳容器（基於所有的鍵）？我目前正在使用一組設置<>並將我的variab

1熱度

1回答

大熊貓多指標數據幀的列名 - 奇怪的行爲

我觀察到了一些奇怪的行爲大熊貓與多指標dataFrames.columns 建設一個多指標數據幀： a=[0,.25, .5, .75] b=[1, 2, 3, 4] c=[5, 6, 7, 8] d=[1, 2, 3, 5] df=pd.DataFrame(data={('a','a'):a, ('b', 'b'):b, ('c', 'c'):c, ('d', 'd'):d}) 產生

0熱度

2回答

熊貓，如何多指數數據來自JSON的現有DataFrame。如何改變通過大熊貓JSON對象

我已經包含JSON文件中的對象如下： {"v": "1","uuid": "c62f3e001c5a43d7bc663eef7db5372c","source": 3,"uniqueName": "hive","sensorId": 8324,"alarm": false,"date": 1497387606620,"movement": 49280,"rssi": 362,"lux": 16,"

0熱度

1回答

將嵌套字典作爲一行添加到多索引數據框中

我想創建一個3級多索引熊貓數據框，其數量很大like the one found in this Stack Overflow question但我希望能夠在DataFrame創建後添加新數據。這是來自鏈接帖子的多索引數據框。爲了清楚起見，我已將列級別更名。 AA BB A B A B a b a b a b a b 0 2 2 2 2 2 2 2 2 1 3

2熱度

1回答

如何使用pandas groupby並應用lambda來評估布爾條件

我一直在使用庫存數據教自己的python，但我一直在這個問題上陷入困境。我試圖找出一個移動平均交叉。我正在使用熊貓MultiIndex DataFrame中的每日數據。以下是我正在使用的數據結構的一部分。 import pandas as pd import numpy as np data = {'date': pd.Series(['2016-1-4', '2016-1-4', '201

1熱度

1回答

降多指標的水平，但保留列的名字 - 熊貓

我有一個df看起來像這樣 a b c c1 c2 0 87 33 32 34 1 32 10 45 62 2 78 83 99 71 我想砸c水平，但保留所有其他的列名 a b c1 c2 0 87 33 32 34 1 32 10 45 62 2 78 83 99 71 df.columns = df.columns.droplevel(0)作品，但名稱

2熱度

1回答

將元組的pandas列轉換爲MultiIndex

所以我的代碼的組織方式與以下類似。它創建充滿元組列： import pandas as pd d = [] d.append({'wilderness':('bear','salmon'), 'domestic':('cat','mouse'), 'farm':('wolf','sheep')}) d.append({'wilderness':('polar bear','seal'),