apply

3熱度

2回答

考慮下面的熊貓數據框： df = pd.DataFrame({'t': [1,2,3], 'x1': [4,5,6], 'x2': [7,8,9]}) >>> print(df) t x1 x2 0 1 4 7 1 2 5 8 2 3 6 9 我想申請一個函數（比如乘以2），以這些列包含字符「X」名 df.filter(regex='x').apply(lambda c: 2*c)

1熱度

1回答

使用類型[斯卡拉]

中使用的方法我正在瀏覽斯卡拉代碼，並發現應用方法也用於type。例子： type Common = { def apply: {val func: {} => {val a: A}; val c: C} => {val b: B} } 是什麼上面的代碼是什麼意思？據我所知，這意味着Common是指所有包含apply方法的類型。但是，問題是什麼樣的應用方法是否意味着什麼？應用方法

1熱度

1回答

替換循環與應用

我試圖用應用和lambda函數替換註釋掉的循環，但我得到下面的錯誤。我的蟒蛇是生鏽的，所以任何提示都非常感謝。錯誤： File "<ipython-input-5-b29bfb93595e>", line 11 if (dataDF < dataDF.shift()) & (dataDF.shift(periods=1) < dataDF.shift(periods=2)):

0熱度

1回答

使用read_fwf函數調用熊貓系列函數

這裏是熊貓的新功能。我有一個叫做all_invoice的熊貓DataFrame，只有一列叫做'whole_line'。 all_invoice中的每一行都是固定寬度的字符串。我需要從all_invoice使用read_fwf一個新的DataFrame。我有一個看起來像這樣一個有效的解決方案： invoice = pd.DataFrame() for i,r in all_invoice['w

0熱度

1回答

矩陣元素

我已這需要起點 - 終點一個data.frame流量： #od flows data.frame with trips per year as flows set.seed(123) origin <- c(rep(1,3),rep(2,3),rep(3,3)) destination <- c(rep(1:3,3)) flow <- c(runif(9, min=0, max=1000)

8熱度

2回答

使用熊貓groupby（）+ apply（）與參數

我想使用df.groupby()結合apply()將函數應用於每個組的每行。我通常使用下面的代碼，它通常工作（注意，這是不groupby()）： df.apply(myFunction, args=(arg1,)) 隨着groupby()我試過如下： df.groupby('columnName').apply(myFunction, args=(arg1,)) 不過，我得到出現以下錯誤

0熱度

1回答

應用功能，以不同的列在熊貓

我有一個令人費解的情況下，我的數據幀像這樣 id high low medium count 0 0 0 4 8 12 1 1 5 2 1 8 我要爲每一個級別的另外3列：高，低中。予定義的函數 def foo(row['high']): return (1/3+row['high']/(1+row['count'])) 我想我需要應用此功能的3倍，和改變行[「高」

1熱度

3回答

檢查一個表中的關鍵字是否在另一個表中的字符串中使用R

我一直試圖用mapply解決這個問題，但我相信我將不得不使用幾個嵌套應用來完成這項工作，並且它已經獲得真正令人困惑。問題如下：數據幀一個包含大約400個關鍵字。這些大致分爲15類。 Dataframe two包含一個字符串描述字段和15個額外的列，每個列命名爲與數據框1中提及的類別相對應。這有數百萬行。如果從數據幀1的關鍵詞在數據幀2串字段存在，其中關鍵字所在的類別，應在數據幀標記2 我想應

2熱度

3回答

使用shift（）來比較行元素

我有下面的示例數據和代碼，我試圖通過dataDF列與函數循環，找到增加值的第一種情況，然後返回對應的第一個季度值從dataDF列中增加值。我打算在apply中使用這個函數，但我認爲我沒有正確使用shift（）。如果我只是試圖返回dataDF.shift（）我得到一個錯誤。我是python的新手，所以有關如何將行與下一行進行比較的技巧或者我在shift（）中做錯了什麼都非常感謝。樣本數據： ret

1熱度

1回答

聰明的方法來創建R的矩陣連續數據的「分類版本」的分類版本？

我想創建一個矩陣A的「百分位數」版本首先，計算每列的百分位數截止點然後，對於矩陣A中的每列，創建一個長度相等的矢量，新矢量應該只有值1到10，其中值爲1的值等於第一個十分位數，依此類推最終輸出應該是與矩陣A具有相同維度的矩陣B，而B只具有值1到10。樣品矩陣A是 set.seed(1) matrix(rnorm(5 * 5000, 1, 0.5), ncol = 5, nrow = 50