pandas-groupby

2熱

2答えて

ピボットテーブル（pandas）の小計行が使用されている場合、インデックスセクション（異なる列）を保持

ピボットテーブルに小計行を追加しようとしています（pandas pd.pivot_tableを使用）。これはコードtable = pd.pivot_table(df, values= ['Quantity', 'Money', 'Cost'], index=['house','date', 'currency', 'family name'], columns=[], fill_value=0,

7熱

3答えて

Python Pandas：そのグループのすべてのエントリにDataFrame Groupの最終値を割り当てます。

Python Pandasでは、私はDataFrameを持っています。このDataFrameを列でグループ化し、列の最後の値を別の列のすべての行に割り当てたいとします。私は、このコマンドによって、グループの最後の行を選択することが可能だということを知っている： import pandas as pd df = pd.DataFrame({'a': (1,1,2,3,3), 'b':(20,2

-2熱

2答えて

Python Pandas：Groupbyなぜ1つのシンタックスしか機能しないのですか？以下の場合

：両方ものの >>df['b_new'] = df.a.map(df.groupby('a').nth(-1)) ... TypeError: 'DataFrame' object is not callable ： df = pd.DataFrame({'a': (1,1,2,3,3), 'b':(20,21,30,40,41)}) これだけ df['b_new'] = df.a.m

2熱

1答えて

減算最小のタイムスタンプ

： Iter ID Time 0 1 A 12:00:00 1 1 B 12:00:01 2 1 C 12:00:01 3 2 B 12:02:00 4 2 A 12:02:02 5 2 C 12:02:06 6 3 C 12:05:01 7 3 B 12:05:00 8 3 A 12:05:05 私はそれがその反復のために最低限のタイム

1熱

1答えて

別の列の最後のxオカレンスを合計する列を作成する

新しい列を作成しようとしています。これは「HomeForm」と呼ばれます。これは、各項目の「FTHG」の最後の5つの値の合計です。 "HomeTeam"の列。チーム0の場合、チーム0に対応する "FTHG"の最後の5つの値の合計を新しい列のセルに挿入することが考えられます。テーブルは日付順に並べられます。どのようにしてPythonで実行できますか？ HomeTeam FTHG HomeFor

0熱

1答えて

パンダグループのデータからヒストグラムを取得できません

私はこのDFを持っています。次のデータを生成 f = { 'Router_name':['count'] } a = a.groupby(['Week_end']).agg(f) .. Router_name count Week_end 29 3 30 10 31 6 32 4 33 9 34 2 35

0熱

1答えて

ソートせずにグループを反復処理する方法は？

私はこのような慎重にソートされたデータフレームを持っている： x = pd.DataFrame({'col1':['b', 'e','e', 'g','g', 'f','f'], 'col2':['f', 'g','f', 'f','e', 'g','e'], 'col3':[ 1 , 7 , 2 , 6 , 7 , 20, 5 ]}) 私は順序 names

1熱

1答えて

Python Dataframeでgroupbyと行の値を合計する方法

私はグループ化しながら、Dataframeで列 'Over_Id'をグループ化し、列の値を合計でruns_scoredにしようとしています。私はgroupbyを使用している場合は、私は私の他の列を失う例： ball.groupby(['Match_Id','Innings_Id','Over_Id'])['runs_scored'].sum() 私は私のruns_scored列を取得するこ

3熱

1答えて

Pandas DataFrame - dtype == 'category'の列が集計されているとパフォーマンスが低下する

メモリ使用量の多い大きなデータフレームで作業しています。繰り返し値列のdtypeを変更すると、大量のメモリを節約できます。私はそれを試してみましたが、実際にはメモリの使用量を25％削減しましたが、その後は理解できないパフォーマンスの低下にぶつかりました。 dtypeの 'category'カラムでgroup-by aggregationを行い、dtypeを変更する前に約1秒かかり、変更後に約1分

1熱

1答えて

GROUPBYとパンダ

に複数の機能を集約を実行する私は、次のデータフレームがあります、しかし df2 = df.groupby(pd.TimeGrouper(freq='M')) df2 = df.agg({'total_in': 'sum', 'total_out': 'sum', 'balance': 'last'}) ： date in out balance 01/01/2017 50 70 10