Théodore Targerian's questions

我正在使用Netflix 电影和电视节目数据集来更好地了解熊猫。

date_added列的格式为：“2024 年 9 月 21 日”，据我了解，它将被解析为“％B-％d-％Y”。只需使用 pd.read_csv() 读取即可将此列作为对象类型返回。

使用parse_dates=['date_added']似乎不起作用，也没有指定格式。这是我的代码：

df = pd.read_csv('netflix_titles.csv', parse_dates=['date_added'], date_format='%B-%d-%Y')
df.info()

导致：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8807 entries, 0 to 8806
Data columns (total 12 columns):
 #   Column        Non-Null Count  Dtype 
---  ------        --------------  ----- 
 0   show_id       8807 non-null   object
 1   type          8807 non-null   object
 2   title         8807 non-null   object
 3   director      6173 non-null   object
 4   cast          7982 non-null   object
 5   country       7976 non-null   object
 6   date_added    8797 non-null   object
 7   release_year  8807 non-null   int64 
 8   rating        8803 non-null   object
 9   duration      8804 non-null   object
 10  listed_in     8807 non-null   object
 11  description   8807 non-null   object
dtypes: int64(1), object(11)
memory usage: 825.8+ KB

我做错什么了？

我正在为变量的不同类别创建直方图，并通过facet_wrap, 和分隔它们scales = 'free'。这适用于大多数类别，但对于其中一个类别，条形永远不会超过 1，因此刻度以 0.25 为间隔，这对于直方图来说没有意义。

有没有办法设置绘图以使中断之间的间隔永远不会低于 1？在其他一些类别中，该栏最高可达 300，因此我无法breaks手动设置。

我无法共享数据，但制作了一个示例数据框：

class = c(rep(1,200), rep(2,200), rep(3,200))
x = c(rnorm(200, mean = 5, sd = 1), rnorm(200, 5, 4), rnorm(200, 5, 9))
df = data.frame(x, class)
df %>% ggplot(aes(x = x))+
  geom_histogram(color = 'black', fill = 'steelblue', binwidth = 1)+
  facet_wrap(~class, scales = 'free')

生成以下直方图： 示例直方图

假设在这个例子中，我不希望刻度间隔低于 10（因此类 2 和类 3 的图应该有，breaks = seq(0,100,10)但希望这样做而不影响类 == 1 的图的比例。是否有怎么办？

在下面的示例数据框中，我想从类别“A”、“B”和“C”条目中的收入（同一产品）中减去类别“D”中条目的“收入”。实际的数据框有一堆其他列，我需要多次执行此操作，因此使用pivot_wider操作有点低效。有没有快速的方法来做到这一点？

product category revenue
0001    A        78
0001    B        98
0001    C        103
0001    D        95
0002    A        81
 :      :        :

我想要示例数据框的结果：

product category revenue
0001    A        -7
0001    B        3
0001    C        8
0001    D        95
 :      :        :

到目前为止我一直在做什么：

df = df %>% pivot_wider(names_from = category, values_from = revenue)
df[,2:4] = df[,2:4] - df$D %>% as.data.frame()
df = df %>% pivot_longer(2:5, names_to = 'category', values_to = 'revenue')

有更好的方法吗？