- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我有全天的数据。我对它进行了聚类,然后计算了每小时每个聚类的比率(权重)(并非所有聚类都存在于所有小时中)。(数据帧 time_df )
cluster Date
0 1 2014-02-28 14:24:59.535000+02:00
1 1 2014-02-28 14:26:35.019000+02:00
2 1 2014-02-28 14:27:37.213000+02:00
3 2 2014-02-28 14:28:35.246000+02:00
4 2 2014-02-28 14:29:37.283000+02:00
我按小时分组,并使用 np bincount 计算每个簇的权重:
group_by_hour = time_df.groupby(time_df.Date.dt.hour)
cluster_ids_hour = group_by_hour.cluster.\
apply(lambda arr: list(range(0,(arr+1).max()+1)))
cluster_ratio_hour = group_by_hour.cluster.\
apply(lambda arr: 1.0*np.bincount(arr+1)/len(arr))
这给出了每小时不同的簇数组大小及其权重它尝试构建一个数据框
pd.DataFrame(temp, columns=['小时','集群','比率'])
但是我得到了以下信息:
hour clusters weights
0 14 [0] [1.0]
1 15 [0, 1] [0.488888888889, 0.511111111111]
2 16 [0, 1, 2] [0.302325581395, 0.162790697674, 0.53488372093]
3 17 [0, 1, 2] [0.0, 0.0, 1.0]
4 18 [0, 1, 2] [0.0, 0.0, 1.0]
5 19 [0, 1, 2] [0.0, 0.0, 1.0]
6 20 [0, 1, 2] [0.0, 0.0, 1.0]
7 21 [0, 1, 2] [0.0, 0.0, 1.0]
8 22 [0, 1, 2] [0.0, 0.0, 1.0]
9 23 [0, 1, 2] [0.0, 0.0, 1.0]
如何才能将集群作为索引,将时间作为列?
0 1 2 3 4 ...
0 0.2 0.6 0.4 0.0 0.6
1 0.0 0.4 0.1 0.0 0.4
2 0.8 0.0 0.5 1.0 0.0
最佳答案
我认为你可以使用:
import pandas as pd
import numpy as np
time_df = pd.DataFrame({'cluster': {0: 1, 1: 1, 2: 1, 3: 2, 4: 2, 5: 1, 6: 1, 7: 2},
'Date': {0: pd.Timestamp('2014-02-28 12:24:59.535000'),
1: pd.Timestamp('2014-02-28 12:26:35.019000'),
2: pd.Timestamp('2014-02-28 12:27:37.213000'),
3: pd.Timestamp('2014-02-28 12:28:35.246000'),
4: pd.Timestamp('2014-02-28 12:29:37.283000'),
5: pd.Timestamp('2014-02-28 13:27:37.213000'),
6: pd.Timestamp('2014-02-28 14:28:35.246000'),
7: pd.Timestamp('2014-02-28 14:29:37.283000')}})
print (time_df)
Date cluster
0 2014-02-28 12:24:59.535 1
1 2014-02-28 12:26:35.019 1
2 2014-02-28 12:27:37.213 1
3 2014-02-28 12:28:35.246 2
4 2014-02-28 12:29:37.283 2
5 2014-02-28 13:27:37.213 1
6 2014-02-28 14:28:35.246 1
7 2014-02-28 14:29:37.283 2
group_by_hour = time_df.groupby(time_df.Date.dt.hour)
cluster_ids_hour = group_by_hour.cluster.\
apply(lambda arr: list(range(0,(arr+1).max()+1)))
cluster_ratio_hour = group_by_hour.cluster.\
apply(lambda arr: 1.0*np.bincount(arr+1)/len(arr))
print (cluster_ids_hour)
Date
12 [0, 1, 2, 3]
13 [0, 1, 2]
14 [0, 1, 2, 3]
Name: cluster, dtype: object
print (cluster_ratio_hour)
Date
12 [0.0, 0.0, 0.6, 0.4]
13 [0.0, 0.0, 1.0]
14 [0.0, 0.0, 0.5, 0.5]
Name: cluster, dtype: object
#create DataFrames from both columns and concate them
df1 = pd.DataFrame(cluster_ids_hour.values.tolist(), index=cluster_ids_hour.index)
#print (df1)
df2 = pd.DataFrame(cluster_ratio_hour.values.tolist(), index=cluster_ratio_hour.index)
#print (df2)
df = pd.concat([df1, df2], axis=1, keys=('clusters','weights'))
print (df)
clusters weights
0 1 2 3 0 1 2 3
Date
12 0 1 2 3.0 0.0 0.0 0.6 0.4
13 0 1 2 NaN 0.0 0.0 1.0 NaN
14 0 1 2 3.0 0.0 0.0 0.5 0.5
#reshape, cast clusters column to integer
df = df.stack().reset_index(level=1, drop=True).reset_index()
df['clusters'] = df['clusters'].astype(int)
#pivoting, fill NaN by 0
df = df.pivot(index='clusters', columns='Date', values='weights').fillna(0)
df.index.name = None
df.columns.name = None
print (df)
12 13 14
0 0.0 0.0 0.0
1 0.0 0.0 0.0
2 0.6 1.0 0.5
3 0.4 0.0 0.5
关于python - 从不同大小的元组填充 DataFrame,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39409544/
假设我有 3 个 DataFrame。其中一个 DataFrame 的列名不在其他两个中。 using DataFrames df1 = DataFrame([['a', 'b', 'c'], [1,
假设我有 3 个 DataFrame。其中一个 DataFrame 的列名不在其他两个中。 using DataFrames df1 = DataFrame([['a', 'b', 'c'], [1,
我有一个 largeDataFrame(多列和数十亿行)和一个 smallDataFrame(单列和 10,000 行)。 只要 largeDataFrame 中的 some_identifier 列
我有一个函数,可以在其中规范化 DataFrame 的前 N 列。我想返回规范化的 DataFrame,但不要管原来的。然而,该函数似乎也会对传递的 DataFrame 进行变异! using D
我想在 Scala 中使用指定架构在 DataFrame 上创建。我尝试过使用 JSON 读取(我的意思是读取空文件),但我认为这不是最佳实践。 最佳答案 假设您想要一个具有以下架构的数据框: roo
我正在尝试从数据框中删除一些列,并且不希望返回修改后的数据框并将其重新分配给旧数据框。相反,我希望该函数只修改数据框。这是我尝试过的,但它似乎并没有做我所除外的事情。我的印象是参数是作为引用传递的,而
我有一个包含大约 60000 个数据的庞大数据集。我会首先使用一些标准对整个数据集进行分组,接下来我要做的是将整个数据集分成标准内的许多小数据集,并自动对每个小数据集运行一个函数以获取参数对于每个小数
我遇到了以下问题,并有一个想法来解决它,但没有成功:我有一个月内每个交易日的 DAX 看涨期权和看跌期权数据。经过转换和一些计算后,我有以下 DataFrame: DaxOpt 。现在的目标是消除没有
我正在尝试做一些我认为应该是单行的事情,但我正在努力把它做好。 我有一个大数据框,我们称之为lg,还有一个小数据框,我们称之为sm。每个数据帧都有一个 start 和一个 end 列,以及多个其他列所
我有一个像这样的系列数据帧的数据帧: state1 state2 state3 ... sym1 sym
我有一个大约有 9k 行和 57 列的数据框,这是“df”。 我需要一个新的数据框:'df_final'- 对于“df”的每一行,我必须将每一行复制“x”次,并将每一行中的日期逐一增加,也就是“x”次
假设有一个 csv 文件如下: # data.csv 0,1,2,3,4 a,3.0,3.0,3.0,3.0,3.0 b,3.0,3.0,3.0,3.0,3.0 c,3.0,3.0,3.0,3.0,3
我只想知道是否有人对以下问题有更优雅的解决方案: 我有两个 Pandas DataFrame: import pandas as pd df1 = pd.DataFrame([[1, 2, 3], [
我有一个 pyspark 数据框,我需要将其转换为 python 字典。 下面的代码是可重现的: from pyspark.sql import Row rdd = sc.parallelize([R
我有一个 DataFrame,我想在 @chain 的帮助下对其进行处理。如何存储中间结果? using DataFrames, Chain df = DataFrame(a = [1,1,2,2,2
我有一个包含 3 列的 DataFrame,名为 :x :y 和 :z,它们是 Float64 类型。 :x 和 "y 在 (0,1) 上是 iid uniform 并且 z 是 x 和 y 的总和。
这个问题在这里已经有了答案: pyspark dataframe filter or include based on list (3 个答案) 关闭 2 年前。 只是想知道是否有任何有效的方法来过
我刚找到这个包FreqTables ,它允许人们轻松地从 DataFrames 构建频率表(我正在使用 DataFrames.jl)。 以下代码行返回一个频率表: df = CSV.read("exa
是否有一种快速的方法可以为 sort 指定自定义订单?/sort!在 Julia DataFrames 上? julia> using DataFrames julia> srand(1); juli
在 Python Pandas 和 R 中,可以轻松去除重复的列 - 只需加载数据、分配列名,然后选择那些不重复的列。 使用 Julia Dataframes 处理此类数据的最佳实践是什么?此处不允许
我是一名优秀的程序员,十分优秀!