pandasql

2熱度

1回答

我有以下datadrame user_id var qualified_date loyal_date 1 1 2017-01-17 2017-02-03 2 1 2017-01-03 2017-01-13 3 1 2017-01-11 NaT 4 1 NaT NaT 5 1 NaT NaT 6 2

1熱度

1回答

集團通過沒有聚合函數

我見過pandasql這樣的查詢： df = pd.DataFrame({'A': [1, 2, 2], 'B': [3, 4, 5]}) sqldf('select * from df group by A', locals()) 這給： A B 0 1 3 1 2 6 我覺得很奇怪有一組由沒有聚合函數，但任何人都可以告訴我在聚集列上使用哪個函數來將多個值減少爲一個？

1熱度

1回答

在Pandas/iPython筆記本（Jupyter）的DataFrame /表中的GROUP BY行？

我有一個表，看起來像這樣：當前數據幀/表：「original_table」 col_1 col_2 col_3 0 Non-Saved www.google.com 10 1 Non-Saved www.facebook.com 20 2 Non-Saved www.linkedin.com 20 3 Saved www.Quora.com 30 4 Saved

0熱度

1回答

熊貓IO SQL和多結果存儲過程將

所以我有一個本地的SQL服務器上的存儲過程，這將返回多個數據集/表通常情況下，在python/pyodbc我會用 cursor.nextset() subset1 = cursor.fetchall() cursor.nextset() subset2 = cursor.fetchall() 我希望利用ps.io.sql.read_sql並將帶有多個結果集的存儲過程返回到數據框中，但是

1熱度

2回答

將pandas列轉換爲用於sql語句中的逗號分隔列表

我有一個數據框，我試圖將列轉換爲逗號分隔的列表。最終目標是將此逗號分隔列表作爲SQL查詢中過濾項目的列表。我該如何去做這件事？ > import pandas as pd > > mydata = [{'id' : 'jack', 'b': 87, 'c': 1000}, > {'id' : 'jill', 'b': 55, 'c':2000}, {'id' : 'july', 'b'

2熱度

1回答

使用來自Pandas Dataframe的選定（查詢（））數據進行高效工作

在查詢一個pandas DataFrame後，我想在查詢中的選定索引之前獲取3個條目。下面的代碼工作，但我認爲這是骯髒和沒有效率，我只能想象有一個更好的方式與熊貓一起做。有人可以幫助我嗎？ import pandas as pd import numpy as np dates = pd.date_range('1/1/2015', periods=50) df = pd.DataFr

-2熱度

1回答

如何在SQL SELECT語句轉換成與特定領域和where子句大熊貓數據幀

我想轉換休耕SQL語句轉換成大熊貓數據幀在Python SELECT sum(money) from df where sex='female' 我無法在大熊貓得到這個在此先感謝

1熱度

2回答

如何連接oracle數據庫和我的python腳本？

我有一個需求連接oracle數據庫與Python並將它們作爲數據框。想知道什麼是易於使用的軟件包以及如何安裝它們？我使用的是Anaconda 3（Python 3.5.2），我用cx_oracle嘗試過，但由於依賴關係而無法安裝。聽說SQLAlchemy不太確定如何使用它。

3熱度

1回答

查詢熊貓df過濾列不是南的行

我是python和使用熊貓的新手。我想查詢一個數據幀並過濾其中一列不是NaN的行。我曾嘗試： a=dictionarydf.label.isnull() 但填充了true或false。試過這種 dictionarydf.query(dictionarydf.label.isnull()) 但給了我預期的錯誤樣本數據： reference_word all_matching_w

1熱度

1回答

如何使用Pandas庫將一個值與Python中的多個值進行比較？

目前，我有以下情況。 Excel Data Frame = SQL Data Frame = ________ ________ _______ ___________ _________ |sector| |sector| | hour| | value_cs| value_ps| -------- -------- ------- --------