- 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
假设您有一个大型 CSV 文件,其中包含数百万行,您可以按 block 进行处理。 文件太大,无法加载到内存中。进行 groupby 并应用相对“复杂”的函数(如 fillna)而不让 block 大小影响结果的最佳方法是什么?我举例说明:
A = pd.DataFrame({"ID":["A", "A", "C" ,"B", "A"], "value":[3,np.nan,4,5,np.nan]})
>>> A
ID value
0 A 2
1 A 3
2 C 4
3 B 5
4 A 6
如果 block 大小为 2 并且我按“ID”分组,那么我会将前两个 A 分组,但保留最后一个 A,这会影响非直接应用函数的结果,
A.groupby('ID').fillna(method='fill')
输出将是:
value
0 3.0
1 3.0
2 4.0
3 5.0
4 np.nan
请注意,最后一行有一个 np.nan,其中应该有一个 3。
谢谢您,非常感谢您的帮助,
最佳答案
您需要设置一种方法来记住最后的填充值。我使用下面的字典内存
memory = {}
def fill(df):
name = df.name
df = df.copy()
# fill from memory
if name in memory.keys():
df.iloc[0, :] = df.iloc[0, :].fillna(memory[name])
# normal ffill
df = df.fillna(method='ffill')
# update memory
memory.update({name: df.iloc[-1]})
return df
<小时/>
memory
{}
<小时/>
A = pd.DataFrame({"ID":["A", "A", "C" ,"B", "A"], "value":[3,np.nan,4,5,np.nan]})
A
现在我将仅更新
A
前 4 行
A.update(A.iloc[:4].groupby('ID', group_keys=False).apply(fill))
A
请注意,仅填充了第 1 行中的值。第 4 行被单独留下。不过,让我们看看内存
memory
{'A': ID A
value 3
Name: 1, dtype: object, 'B': ID B
value 5
Name: 3, dtype: object, 'C': ID C
value 4
Name: 2, dtype: object}
或者更具体地说内存['A']
ID A
value 3
Name: 1, dtype: object
现在让我们只更新第 4 行的 A
A.update(A.iloc[4:].groupby('ID', group_keys=False).apply(fill))
A
关于python - 分割数据的分组(pandas),我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39048181/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!