问题标签 [pandas]

我有以下带有 MultiIndex(Z,A) 的 Pandas 数据框：

问题：如何选择 A=203 的所有项目？我试过df[:,'A'] 了，但它不起作用。然后我在在线文档中找到了这个，所以我尝试了：
df.xs(203,level='A')
但我得到：
“ TypeError: xs() got an unexpected keyword argument 'level'”我在安装的 doc( )
中也没有看到这个参数： “参数 ---------- key : object Some label contains in索引，或部分在 MultiIndex 轴：int，默认 0 轴以在复制时检索横截面：布尔值，默认 True 是否复制数据“ 注意：我有开发版本。df.xs?

编辑：我找到了这个线程。他们推荐类似的东西：

我仍然想知道带有 level 参数的 df.xs 发生了什么，或者在当前版本中推荐的方式是什么。

当我学习 python 和这个有趣的绘图库时，我开始使用 matplotlib 渲染绘图。对于我正在处理的问题，我需要自定义绘图的帮助。可能已经为此提供了内置功能。

问题：我正在尝试将表格（矩形）绘制为具有 96 个单独单元格（8 行 X 12 列）的图。用特定颜色为每个替代单元格着色（如棋盘：我将使用其他颜色组合而不是黑色/白色），并从 pandas 数据框或 python 字典中为每个单元格插入值。在侧面显示列和行标签。

样本数据： http: //pastebin.com/N4A7gWuH

我希望情节看起来像这样，用 numpy/pandas ds 替换单元格中的值。

示例图： http: //picpaste.com/sample-E0DZaoXk.png

感谢您的意见。

PS：确实在 mathplotlib 的邮件列表上发布了相同的内容

假设我dataframe看起来像：

我可以按“b”创建一个组。有没有一种快速的方法来获取每个组的“a”中的最后一个非 NA 值？在这种情况下，A 组为 3，B 组为 -9。

（在这种情况下，序列“a”按给定排序，但可能并非如此。可能还有另一列“c”，根据它定义“最后一个”。）

我通过查看 grouped.groups 字典编写了自己的循环代码。但显然，鉴于我庞大的数据集，这非常低效。我认为这可以非常简单地完成——也许我对熊猫太陌生了:-)

如何找到特定列的值最大的行？

df.max()会给我每列的最大值，我不知道如何获取相应的行。

Pandas 依赖于 numpy，安装 pandas 依赖项存在一个开放构建问题。无论如何，在下面的示例中为什么 pip 退出 numpy 有什么想法吗？如果使用需求文件也会发生。

然后在 numpy setup 的中间，panda setup 被触发。

....在测试 numpy 时

我使用熊猫数据框聚合了数据。下面是显示的一些实际数据以及我如何汇总它。

fdf.groupby(['row',col'])['percent'].sum()

http://pastebin.com/R8XWpgtU

我想做的是创建一个二维numpy数组（行=行，列=列）。有什么巧妙的方法可以做到这一点吗？

我做类似事情的另一种方法是创建一个数据透视表

pivot_table(fdf,values='percent',rows='row',cols='col', aggfunc=np.sum)

在这种情况下，我想将此数据透视表转换为 2d numpy 数组。有没有办法让我索引到这个表的每个单元格。如果是这样，那么我可能会对桌子本身没问题。

我从 Kaggle 获取了 KDD track1 数据集，并决定在我的 16GB 高内存 EC2 实例上将一个约 2.5GB 的 3 列 CSV 文件加载到内存中：

python 会话占用了我所有的内存（100%），然后被杀死了。

然后我使用 R（通过 read.table）读取了同一个文件，它使用了不到 5GB 的内存，在我调用垃圾收集器后它崩溃到不到 2GB。

我的问题是为什么这会在 numpy 下失败，以及将文件读入内存的正确方法是什么。是的，我可以使用生成器来避免问题，但这不是目标。

我从这样的输入数据开始

打印时显示如下：

分组很简单：

和打印产生一个GroupBy对象：

但我最终想要的是另一个包含 GroupBy 对象中所有行的 DataFrame 对象。换句话说，我想得到以下结果：

我不太明白如何在 pandas 文档中完成此操作。欢迎任何提示。

这是一个初学者python安装问题。这是我第一次尝试安装和调用包。我已经pip安装了，我尝试安装两个模块 -numpy和pandas.

在终端中，我运行了以下命令：

两个命令都返回成功消息。这是pandas成功消息（这是我安装的第二个软件包，并且仍在我的终端历史记录中）：

pip安装后返回类似消息numpy。

现在，当我启动python并尝试调用它时：

我收到此错误消息：

我尝试时也一样numpy。

谁能告诉我我做错了什么？

我有一个用于分析我的锻炼数据的 API（我从 runkeeper的网站上抓取）。

我的主类是 a 的子类pandas.DataFrame，它基本上是表格数据的容器。它支持按列名索引，返回列值的数组。

我想根据数据中存在的“健身活动”类型添加一些便利属性。因此，例如，我想添加一个属性“正在运行”：

这将返回DataFrame在“类型”列中具有“正在运行”的所有行。

我尝试对数据中存在的所有类型动态地执行此操作。这是我天真地做的事情：

结果是所有这些属性最终都返回了相同类型活动（“步行”）的数据表。

发生的事情是，当访问属性时，会调用 lambda，它们会在为名称“type”定义的范围内查找。他们发现它绑定到字符串 'walking'，因为那是 for 循环的最后一次迭代。for 循环的每次迭代都没有自己的命名空间，因此所有 lambda 只看到最后一次迭代，而不是 'type' 实际定义时的值。

任何人都可以解决这个问题吗？我可以想到两个，但它们似乎并不特别理想：

1. 定义__getattr__以检查属性是否为活动类型并返回适当的行。

2. 使用递归函数调用而不是 for 循环，以便每一级递归都有自己的命名空间。

这两个对我的口味来说都太聪明了，而且pandas.DataFrame已经有了一个__getattr__，如果我也做了一个，我必须小心翼翼地与之互动。并且递归会起作用，但感觉非常错误，因为类型集没有任何内在的树状结构。它是平坦的，在代码中应该看起来平坦！