我创建了以下熊猫数据框：
import pandas as pd
ds = {'col1' : ['A','A','B','C','C','D'],
'col2' : ['A','B','C','D','D','A']}
df = pd.DataFrame(data=ds)
数据框如下所示：
print(df)
col1 col2
0 A A
1 A B
2 B C
3 C D
4 C D
5 D A
col1和中的可能值col2有A、B和C。D
我需要创建 4 个新列，称为：
countA：计算A每行/记录中有多少个countB：计算B每行/记录中有多少个countC：计算C每行/记录中有多少个countD：计算D每行/记录中有多少个因此，从上面的例子来看，生成的数据框将如下所示：
有人能帮帮我吗？
我创建了以下熊猫数据框：
ds = {'col1':[1.0,2.1,2.2,3.1,41,5.2,5.0,6.1,7.1,10]}
df = pd.DataFrame(data=ds)
数据框如下所示：
print(df)
col1
0 1.0
1 2.1
2 2.2
3 3.1
4 41.0
5 5.2
6 5.0
7 6.1
8 7.1
9 10.0
我需要创建一个随机的 80% / 20% 的数据集分区，并且还需要创建一个字段（称为buildFlag），以显示记录是属于 80% 分区（buildFlag = 1）还是属于 20% 分区（buildFlag = 0）。
例如，生成的数据框将如下所示：
col1 buildFlag
0 1.0 1
1 2.1 1
2 2.2 1
3 3.1 0
4 41.0 1
5 5.2 0
6 5.0 1
7 6.1 1
8 7.1 1
9 10.0 1
这些buildFlag值是随机分配的。
有人能帮帮我吗？
我创建了以下熊猫数据框：
ds = {'col1':[1,2,2,3,4,5,5,6,7,8]}
df = pd.DataFrame(data=ds)
数据框如下所示：
print(df)
col1
0 1
1 2
2 2
3 3
4 4
5 5
6 5
7 6
8 7
9 8
然后我创建了一个名为的新字段newCol，其定义如下：
def criteria(row):
if((row['col1'] > 0) & (row['col1'] <= 2)):
return "A"
elif((row['col1'] > 2) & (row['col1'] <= 3)):
return "B"
else:
return "C"
df['newCol'] = df.apply(criteria, axis=1)
新的数据框如下所示：
print(df)
col1 newCol
0 1 A
1 2 A
2 2 A
3 3 B
4 4 C
5 5 C
6 5 C
7 6 C
8 7 C
9 8 C
是否有可能创建这样的字典：
dict = {
'0 <= 2' : "A",
'2 <= 3' : "B",
'Else' : "C"
}
然后将其应用到数据框：
df['newCol'] = df['col1'].map(dict)
？
有人能帮帮我吗？
我已经训练了glm如下内容：
fitGlm = smf.glm( listOfInModelFeatures,
family=sm.families.Binomial(),data=train, freq_weights = train['sampleWeight']).fit()
结果看起来不错：
print(fitGlm.summary())
Generalized Linear Model Regression Results
==============================================================================
Dep. Variable: Target No. Observations: 1065046
Model: GLM Df Residuals: 4361437.81
Model Family: Binomial Df Model: 7
Link Function: Logit Scale: 1.0000
Method: IRLS Log-Likelihood: -6.0368e+05
Date: Sun, 25 Aug 2024 Deviance: 1.2074e+06
Time: 09:03:54 Pearson chi2: 4.12e+06
No. Iterations: 8 Pseudo R-squ. (CS): 0.1716
Covariance Type: nonrobust
===========================================================================================
coef std err z P>|z| [0.025 0.975]
-------------------------------------------------------------------------------------------
Intercept 3.2530 0.003 1074.036 0.000 3.247 3.259
feat1 0.6477 0.004 176.500 0.000 0.641 0.655
feat2 0.3939 0.006 71.224 0.000 0.383 0.405
feat3 0.1990 0.007 28.294 0.000 0.185 0.213
feat4 0.4932 0.009 54.614 0.000 0.476 0.511
feat5 0.4477 0.005 90.323 0.000 0.438 0.457
feat6 0.3031 0.005 57.572 0.000 0.293 0.313
feat7 0.3711 0.004 87.419 0.000 0.363 0.379
===========================================================================================
然后我尝试按照这里的建议将其summary()导出.png：
Python：如何将 statsmodels 结果保存为图像文件？
因此，我写了这样的代码：
fig, ax = plt.subplots(figsize=(16, 8))
summary = []
fitGlm.summary(print_fn=lambda x: summary.append(x))
summary = '\n'.join(summary)
ax.text(0.01, 0.05, summary, fontfamily='monospace', fontsize=12)
ax.axis('off')
plt.tight_layout()
plt.savefig('output.png', dpi=300, bbox_inches='tight')
但是我收到此错误：
---------------------------------------------------------------------------
TypeError Traceback (most recent call last)
Cell In[57], line 57
55 fig, ax = plt.subplots(figsize=(16, 8))
56 summary = []
---> 57 fitGlm.summary(print_fn=lambda x: summary.append(x))
58 summary = '\n'.join(summary)
59 ax.text(0.01, 0.05, summary, fontfamily='monospace', fontsize=12)
TypeError: GLMResults.summary() got an unexpected keyword argument 'print_fn'
看起来好像print_fn没有被 statsmodels 识别？
有人能帮帮我吗？
我创建了以下熊猫数据框：
import pandas as pd
ds = {'col1' : ['(-9999999, 550.0]','(13700.0, 23700.0]','(23700.0, 414580.0]','(4000.0, 8000.0]','(414580.0, 9999999]','(550.0, 4000.0]','(8000.0, 13700.0]'],
'col2' : [905317.3, 606156.5, 586349.6, 665779.1, 0, 803824.4, 628475.2]}
df = pd.DataFrame(data=ds)
数据框如下所示：
print(df)
col1 col2
0 (-9999999, 550.0] 905317.3
1 (13700.0, 23700.0] 606156.5
2 (23700.0, 414580.0] 586349.6
3 (4000.0, 8000.0] 665779.1
4 (414580.0, 9999999] 0.0
5 (550.0, 4000.0] 803824.4
6 (8000.0, 13700.0] 628475.2
我需要按列按升序对数据框进行排序col1。生成的数据框如下所示：
col1 col2
0 (-9999999, 550.0] 905317.3
1 (550.0, 4000.0] 803824.4
2 (4000.0, 8000.0] 665779.1
3 (8000.0, 13700.0] 628475.2
4 (13700.0, 23700.0] 606156.5
5 (23700.0, 414580.0] 586349.6
6 (414580.0, 9999999] 0.0
有人能帮助我吗？
我创建了以下熊猫数据框：
ds = {'col1' : [1,1,1,1,1,1,1,2,2,2,2,3,3,3,3,3,4,4,4,4,4,4,4,4,4],
'feature1' : [1,1,1,1,1,1,1,2,2,2,2,3,3,3,3,3,4,4,4,4,4,4,4,4,4],
'col2' : [12,3,4,5,4,3,2,3,4,6,7,8,3,3,65,4,3,2,32,1,2,3,4,5,32],
}
df = pd.DataFrame(data=ds)
数据框如下所示：
print(df)
col1 feature1 col2
0 1 1 12
1 1 1 3
2 1 1 4
3 1 1 5
4 1 1 4
5 1 1 3
6 1 1 2
7 2 2 3
8 2 2 4
9 2 2 6
10 2 2 7
11 3 3 8
12 3 3 3
13 3 3 3
14 3 3 65
15 3 3 4
16 4 4 3
17 4 4 2
18 4 4 32
19 4 4 1
20 4 4 2
21 4 4 3
22 4 4 4
23 4 4 5
24 4 4 32
我需要创建一个新列（称为sumOfCols），它是名称以 开头的列中包含的值的总和col（在上面的示例中，该列feature1不会包含在计算中）。
生成的数据框如下所示：
有人能帮帮我吗？提前谢谢了。
我已经用 Python 训练了以下 glm 模型：
fitGlm = smf.glm( listOfInModelFeatures,
family=sm.families.Binomial(),data=train, freq_weights = train['model_weight']).fit()
然后我给出了训练模型的摘要：
print(fitGlm.summary())
报告内容如下：
Generalized Linear Model Regression Results
==============================================================================
Dep. Variable: Target No. Observations: 1065046
Model: GLM Df Residuals: 4361436.81
Model Family: Binomial Df Model: 8
Link Function: Logit Scale: 1.0000
Method: IRLS Log-Likelihood: -6.1870e+05
Date: Wed, 21 Aug 2024 Deviance: 1.2374e+06
Time: 10:27:37 Pearson chi2: 4.01e+06
No. Iterations: 8 Pseudo R-squ. (CS): 0.1479
Covariance Type: nonrobust
===============================================================================
coef std err z P>|z| [0.025 0.975]
-------------------------------------------------------------------------------
Intercept 3.2619 0.003 1126.728 0.000 3.256 3.268
e1_a_11_sp 0.9318 0.004 256.254 0.000 0.925 0.939
sp_g_37 0.5850 0.006 102.522 0.000 0.574 0.596
sp_f3_35 0.6510 0.005 135.114 0.000 0.642 0.660
e1_a_07_sp 0.4930 0.006 79.698 0.000 0.481 0.505
e1_e_02_sp 0.9956 0.008 120.253 0.000 0.979 1.012
e1_b_03_sp 0.7493 0.013 56.539 0.000 0.723 0.775
e2_k_02_spa 0.4996 0.014 34.512 0.000 0.471 0.528
ea5_s_01_sp 0.3305 0.008 41.524 0.000 0.315 0.346
===============================================================================
问题：如何获取每个特征的系数列表（包括截距）？我的意思是，我如何获得这样的东西？
[3.2619,0.9318,0.5850,0.6510,0.4930,0.9956,0.7493,0.4996,0.3305]
提前致谢。
我创建了一个熊猫数据框，如下所示：
ds = {'col1' : ["A","B"], 'probability' : [0.3, 0.6]}
df = pd.DataFrame(data=ds)
数据框如下所示：
print(df)
col1 probability
0 A 0.3
1 B 0.6
我需要创建一个新的数据框，复制每一行，并为重复的记录分配一个总和为 1 的概率。
从上面的例子来看：
生成的数据框如下所示：
col1 probability
0 A 0.3
1 A 0.7
2 B 0.6
3 B 0.4
有人能帮我在熊猫上做这个吗？
我创建了以下熊猫数据框
import pandas as pd
import numpy as np
ds = {
'col1' :
[
['U', 'U', 'U', 'U', 'U', 1, 0, 0, 0, 'U','U', None],
[6, 5, 4, 3, 2],
[0, 0, 0, 'U', 'U'],
[0, 1, 'U', 'U', 'U'],
[0, 'U', 'U', 'U', None]
]
}
df = pd.DataFrame(data=ds)
数据框如下所示：
print(df)
col1
0 [U, U, U, U, U, 1, 0, 0, 0, U, U, None]
1 [6, 5, 4, 3, 2]
2 [0, 0, 0, U, U]
3 [0, 1, U, U, U]
4 [0, U, U, U, None]
对于中的每一行col1，我需要检查U列表中每个等于的元素是否后面（从左到右）跟着除和之外的任何值U：None在这种情况下，我将创建一个新列（称为iCount），其值为 1。否则为 0。
在上面的例子中，生成的数据框看起来如下：
col1 iCount
0 [U, U, U, U, U, 1, 0, 0, 0, U, U, None] 1
1 [6, 5, 4, 3, 2] 0
2 [0, 0, 0, U, U] 0
3 [0, 1, U, U, U] 0
4 [0, U, U, U, None] 0
只有在第一行中，值后面U跟着一个既不是也不U是的值None（它是1）
我已经尝试过这个代码：
col5 = np.array(df['col1'])
for i in range(len(df)):
iCount = 0
for j in range(len(col5[i])-1):
print(col5[i][j])
if((col5[i][j] == "U") & ((col5[i][j+1] != None) & (col5[i][j+1] != "U"))):
iCount += 1
else:
iCount = iCount
但是我得到了这个（错误的）数据框：
col1 iCount
0 [U, U, U, U, U, 1, 0, 0, 0, U, U, None] 0
1 [6, 5, 4, 3, 2] 0
2 [0, 0, 0, U, U] 0
3 [0, 1, U, U, U] 0
4 [0, U, U, U, None] 0
有人能帮帮我吗？
我的一个目录中有大约 250 个 .png 文件。
我需要从 python 垂直连接它们。
这是我到目前为止的代码。
list_im = [] <- this is the list of .png files <- How do I populate it if I have 250 files in one directory?
imgs = [ Image.open(i) for i in list_im ]
# pick the image which is the smallest, and resize the others to match it (can be arbitrary image shape here)
min_shape = sorted( [(np.sum(i.size), i.size ) for i in imgs])[0][1]
imgs_comb = np.hstack([i.resize(min_shape) for i in imgs])
# for a vertical stacking it is simple: use vstack
imgs_comb = np.vstack([i.resize(min_shape) for i in imgs])
imgs_comb = Image.fromarray( imgs_comb)
imgs_comb.save('concatenatedPNGFiles.png' )
如何list_im在 python 中填充 250 个 .png 文件？
我创建了以下 pandas 数据框：
import pandas as pd
ds = {'cycle' : [1,1,1,1,2,2,2,2], 'values' : [0,0,-1,1,2,0,0,1]}
df = pd.DataFrame(data=ds)
数据框如下所示：
df
cycle values
0 1 0
1 1 0
2 1 -1
3 1 1
4 2 2
5 2 0
6 2 0
7 2 1
我需要创建一个新的数据框（称为），其中仅包含第一条记录，每个ds记录的列值均非零。valuescycle
我想这可以通过df.groupby(['cycle'])代码周围的东西来完成。
所以生成的数据框将如下所示：
cycle values
0 1 -1
1 2 2
我创建了以下 pandas 数据框：
import pandas as pd
import numpy as np
ds = {'col1' :
['1489900119000',
'้้คค,1']
}
df = pd.DataFrame(data=ds)
看起来像这样：
col1
0 1489900119000
1 ้้คค,1
我正在尝试构建一个新列（称为col2），其中包含排列为列表的值col1。因此代码：
df['col2'] = [list(map(int, str(x))) for x in df.col1]
由于第 1 行 ( ) 处存在意外/无效值คค,1，因此代码失败。
有什么方法可以绕过该行并用默认值（例如[9,9]）填充它？例如，生成的数据框将如下所示：
