- 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
这是一个 killer 级问题,对于像我这样的 pandas 新手来说可能有一个简单的解决方案:
我正在尝试用该标签的最新版本(在单独的 DataFrame (latest_version) 中找到)替换 pandas DataFrame (df) 的一条记录。
df.ix[label] = latest_version.ix[label]
错误:
AttributeError: 'unicode' object has no attribute 'view'
df 本身又大又复杂(并且是专有的),所以我想尽可能避免发布它;我希望有一些简单的东西我错过了,但我无法弄清楚。
编辑:df.info()和latest_version.info()的输出
ipdb> df.info()
<class 'pandas.core.frame.DataFrame'>
Index: 7 entries, A to G
Data columns (total 73 columns):
Column 0 7 non-null object
Column 1 7 non-null object
Column 2 7 non-null object
Column 3 7 non-null object
Column 4 7 non-null object
Column 5 7 non-null float64
Column 6 1 non-null object
Column 7 7 non-null object
Column 8 7 non-null object
Column 9 6 non-null datetime64[ns]
Column 10 0 non-null object
Column 11 0 non-null object
Column 12 5 non-null object
Column 13 0 non-null object
Column 14 0 non-null object
Column 15 6 non-null datetime64[ns]
Column 16 0 non-null object
Column 17 0 non-null object
Column 18 0 non-null object
Column 19 0 non-null object
Column 20 0 non-null object
Column 21 0 non-null object
Column 22 0 non-null object
Column 23 0 non-null object
Column 24 0 non-null object
Column 25 0 non-null object
Column 26 0 non-null object
Column 27 0 non-null object
Column 28 0 non-null object
Column 29 0 non-null object
Column 30 0 non-null object
Column 31 0 non-null object
Column 32 0 non-null object
Column 33 0 non-null object
Column 34 0 non-null object
Column 35 0 non-null object
Column 36 0 non-null object
Column 37 4 non-null object
Column 38 6 non-null object
Column 39 4 non-null object
Column 40 0 non-null object
Column 41 0 non-null object
Column 42 0 non-null object
Column 43 6 non-null object
Column 44 0 non-null object
Column 45 6 non-null object
Column 46 0 non-null object
Column 47 4 non-null object
Column 48 0 non-null object
Column 49 4 non-null object
Column 50 0 non-null object
Column 51 0 non-null object
Column 52 0 non-null object
Column 53 0 non-null object
Column 54 0 non-null object
Column 55 0 non-null object
Column 56 0 non-null object
Column 57 0 non-null object
Column 58 0 non-null object
Column 59 0 non-null object
Column 60 0 non-null object
Column 61 0 non-null object
Column 62 0 non-null object
Column 63 0 non-null object
Column 64 0 non-null object
Column 65 0 non-null object
Column 66 0 non-null object
Column 67 0 non-null object
Column 68 0 non-null object
Column 69 0 non-null object
Column 70 0 non-null object
Column 71 0 non-null object
Column 72 0 non-null object
dtypes: datetime64[ns](2), float64(1), object(70)ipdb>
ipdb> latest_version.info()
<class 'pandas.core.frame.DataFrame'>
Index: 4 entries, A to D
Data columns (total 73 columns):
Column 0 4 non-null object
Column 1 4 non-null object
Column 2 4 non-null object
Column 3 4 non-null object
Column 4 4 non-null object
Column 5 4 non-null int64
Column 6 4 non-null object
Column 7 4 non-null object
Column 8 4 non-null object
Column 9 4 non-null object
Column 10 4 non-null object
Column 11 4 non-null object
Column 12 4 non-null object
Column 13 4 non-null object
Column 14 4 non-null object
Column 15 4 non-null object
Column 16 3 non-null object
Column 17 4 non-null object
Column 18 4 non-null object
Column 19 4 non-null object
Column 20 3 non-null object
Column 21 3 non-null object
Column 22 4 non-null object
Column 23 4 non-null object
Column 24 4 non-null object
Column 25 4 non-null object
Column 26 4 non-null object
Column 27 4 non-null object
Column 28 4 non-null object
Column 29 4 non-null object
Column 30 4 non-null object
Column 31 4 non-null object
Column 32 4 non-null object
Column 33 4 non-null object
Column 34 4 non-null object
Column 35 4 non-null object
Column 36 4 non-null object
Column 37 4 non-null object
Column 38 4 non-null object
Column 39 4 non-null object
Column 40 4 non-null object
Column 41 4 non-null object
Column 42 4 non-null object
Column 43 4 non-null object
Column 44 4 non-null object
Column 45 4 non-null float64
Column 46 4 non-null object
Column 47 4 non-null object
Column 48 4 non-null object
Column 49 4 non-null object
Column 50 4 non-null object
Column 51 4 non-null object
Column 52 4 non-null object
Column 53 4 non-null object
Column 54 4 non-null object
Column 55 4 non-null object
Column 56 1 non-null object
Column 57 1 non-null object
Column 58 4 non-null object
Column 59 4 non-null object
Column 60 4 non-null object
Column 61 4 non-null object
Column 62 4 non-null object
Column 63 4 non-null object
Column 64 4 non-null object
Column 65 4 non-null object
Column 66 4 non-null object
Column 67 4 non-null object
Column 68 4 non-null object
Column 69 4 non-null object
Column 70 4 non-null object
Column 71 4 non-null object
Column 72 4 non-null object
dtypes: float64(1), int64(1), object(71)ipdb>
进一步编辑(回应 Ed):以下是仅包含不同类型列的表格:
ipdb> latest_version.ix[:,[5,9,15]]
line_number entry_date entry_ref_a
unique_index
NEW/AAAAAAAAAAAAAAAAAAA 0 2014-12-30 2015-01-14
NEW/AAAAAAAAAAAAAAAAAAB 1 2014-12-30
NEW/AAAAAAAAAAAAAAAAAAC 2 2014-12-30
ipdb>/df.ix[:,[5,9,15]]
line_number entry_date \
unique_index
OLD/204442 0 1419897600000000000
OLD/343278 1 1419897600000000000
OLD/359628 2 1419897600000000000
NEW/AAAAAAAAAAAAAAAAAAA 0 2014-12-30
entry_ref_a
unique_index
OLD/204442 1421193600000000000
OLD/343278 1421193600000000000
OLD/359628 1422230400000000000
NEW/AAAAAAAAAAAAAAAAAAA 2015-01-14
绝对证实了这里存在类型不匹配问题的想法......
最佳答案
所以你的问题似乎是你试图分配的两个 dfs 之间的 dtypes 不匹配:
df dtypes: datetime64[ns](2), float64(1), object(70)
同时
latest_version is :dtypes: float64(1), int64(1), object(71)
从输出中我们可以看到,与某些冲突的列是日期时间,而在另一个 df 的相应列中它们是 int64。
您可以通过执行以下操作将格式错误的列转换为日期时间:
df['entry_date'] = pd.to_datetime(df['entry_date')
同样适用于entry_ref_a
关于python - Pandas 属性错误: 'unicode' object has no attribute 'view' ,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/26523324/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!