multi-index

2热度

1回答

我对熊猫的MultiIndex很陌生，但我有一种情况，它会有帮助。我有一个结构为这么多指标（ON_SCENE和最后一台）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热度

1回答

Xlsxwriter合并单元格 - 格式化熊猫数据框

我的程序生成一个多索引熊猫数据框，我输出为excel。导出后，我使用xlsxwriter函数来设置列宽，颜色等。到目前为止，一切看起来都不错。我接下来需要合并几列，但合并功能不保留文本。看看我的示例表。我需要合并单元格B5：D5，B6：D6，B7：D7。检查所需的格式如下：但是xlsxwriter合并命令需要在命令 worksheet.merge_range被指定的数据（ 'B4：D4'，

1热度

2回答

得到的多指标数据帧

nlargest值我有一个数据帧，看起来像下面的图片：这里UID和ID索引。该数据帧是从单个索引数据帧转换而来的，因此某些列有重复值。对于每个uid，avg_diff的所有值都相同，但不同的uid对于此字段将具有不同的值。我想用不同的uid获得最大的值。注意：这是一个巨大的数据框架，所以我正在寻找最优化的方式。

0热度

1回答

的结构最佳容器几个键C++

考虑以下结构： struct{ // Keys int key1; double key2; type key3; ... // Variables to increment double varibleToIncrement; ... } 什么是存储这些记录中的，我将需要增加其已经在它的那些的变量的最佳容器（基于所有的键）？我目前正在使用一组设置<>并将我的variab

1热度

1回答

大熊猫多指标数据帧的列名 - 奇怪的行为

我观察到了一些奇怪的行为大熊猫与多指标dataFrames.columns 建设一个多指标数据帧： 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}) 产生

0热度

2回答

熊猫，如何多指数数据来自JSON的现有DataFrame。如何改变通过大熊猫JSON对象

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

0热度

1回答

将嵌套字典作为一行添加到多索引数据框中

我想创建一个3级多索引熊猫数据框，其数量很大like the one found in this Stack Overflow question但我希望能够在DataFrame创建后添加新数据。这是来自链接帖子的多索引数据框。为了清楚起见，我已将列级别更名。 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热度

1回答

如何使用pandas groupby并应用lambda来评估布尔条件

我一直在使用库存数据教自己的python，但我一直在这个问题上陷入困境。我试图找出一个移动平均交叉。我正在使用熊猫MultiIndex DataFrame中的每日数据。以下是我正在使用的数据结构的一部分。 import pandas as pd import numpy as np data = {'date': pd.Series(['2016-1-4', '2016-1-4', '201

1热度

1回答

降多指标的水平，但保留列的名字 - 熊猫

我有一个df看起来像这样 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，但名称

2热度

1回答

将元组的pandas列转换为MultiIndex

所以我的代码的组织方式与以下类似。它创建充满元组列： import pandas as pd d = [] d.append({'wilderness':('bear','salmon'), 'domestic':('cat','mouse'), 'farm':('wolf','sheep')}) d.append({'wilderness':('polar bear','seal'),