- 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
我有一个名为 df_mod
的 Pandas 数据框。此数据帧中一个有趣的变量称为 Evap_mod
。当我使用命令 print(df_mod['Evap_mod'])
时,它返回:
2003-12-20 00:30:00 1.930664
2003-12-21 00:30:00 1.789290
2003-12-22 00:30:00 2.318347
2003-12-23 00:30:00 1.741943
2003-12-24 00:30:00 1.686124
2003-12-25 00:30:00 1.852876
2003-12-26 00:30:00 1.759650
2003-12-27 00:30:00 1.566521
2003-12-28 00:30:00 1.496039
2003-12-29 00:30:00 1.540751
2003-12-30 00:30:00 2.006475
2003-12-31 00:30:00 1.920912
Name: Evap_mod, Length: 729, dtype: float32
我有另一个名为 dff
的 pandas 数据框。此数据帧中一个有趣的变量称为 PET_PT
。当我使用命令 print(dff['PET_PT'])
时,它返回:
2003-12-20 4.810697
2003-12-21 4.739378
2003-12-22 4.994467
2003-12-23 5.138086
2003-12-24 5.024226
2003-12-25 4.937206
2003-12-26 4.551416
2003-12-27 NaN
2003-12-28 NaN
2003-12-29 NaN
2003-12-30 NaN
2003-12-31 NaN
Freq: D, Name: PET_PT, Length: 729, dtype: float64
我想在这两个变量之间运行以下简单计算:
df_mod['ER_mod']=(df_mod['Evap_mod']+np.mean(ddf['PET_PT']))/(ddf['PET_PT']+np.mean(ddf['PET_PT']))
不幸的是,这个计算只返回 NaN:
2003-12-20 00:30:00 NaN
2003-12-21 00:30:00 NaN
2003-12-22 00:30:00 NaN
2003-12-23 00:30:00 NaN
2003-12-24 00:30:00 NaN
2003-12-25 00:30:00 NaN
2003-12-26 00:30:00 NaN
2003-12-27 00:30:00 NaN
2003-12-28 00:30:00 NaN
2003-12-29 00:30:00 NaN
2003-12-30 00:30:00 NaN
2003-12-31 00:30:00 NaN
Name: ER_mod, Length: 729, dtype: float64
有谁知道它为什么返回 NaN 以及如何解决这个问题?
最佳答案
原因是不同的索引值,所以在划分索引值后不匹配并创建了 NaN
。
解决方案是 map
系列 ddf['PET_PT']
由 DatetimeIndex.normalize
创建的帮助列 date
对于删除时间,还可以使用 pandas mean
的函数:
#same index values like df_mod
new = df_mod.assign(date = df_mod.index.normalize())['date'].map(ddf['PET_PT'])
print (new)
2003-12-20 00:30:00 4.810697
2003-12-21 00:30:00 4.739378
2003-12-22 00:30:00 4.994467
2003-12-23 00:30:00 5.138086
2003-12-24 00:30:00 5.024226
2003-12-25 00:30:00 4.937206
2003-12-26 00:30:00 4.551416
2003-12-27 00:30:00 NaN
2003-12-28 00:30:00 NaN
2003-12-29 00:30:00 NaN
2003-12-30 00:30:00 NaN
2003-12-31 00:30:00 NaN
Name: date, dtype: float64
df_mod['ER_mod']= df_mod['Evap_mod'] + ddf['PET_PT'].mean())/(new+ddf['PET_PT'].mean()
print (df_mod)
Evap_mod ER_mod
2003-12-20 00:30:00 1.930664 0.702960
2003-12-21 00:30:00 1.789290 0.693480
2003-12-22 00:30:00 2.318347 0.729125
2003-12-23 00:30:00 1.741943 0.661170
2003-12-24 00:30:00 1.686124 0.663134
2003-12-25 00:30:00 1.852876 0.685986
2003-12-26 00:30:00 1.759650 0.704152
2003-12-27 00:30:00 1.566521 NaN
2003-12-28 00:30:00 1.496039 NaN
2003-12-29 00:30:00 1.540751 NaN
2003-12-30 00:30:00 2.006475 NaN
2003-12-31 00:30:00 1.920912 NaN
如果 DataFrame
的长度相同,并且唯一的 inde 值差异是时间,则可以将一个索引重新分配给另一个索引:
ddf.index = df_mod.index
df_mod['ER_mod'] = (df_mod['Evap_mod'] + ddf['PET_PT'].mean())/\
(ddf['PET_PT'] + ddf['PET_PT'].mean())
print (df_mod)
Evap_mod ER_mod
2003-12-20 00:30:00 1.930664 0.702960
2003-12-21 00:30:00 1.789290 0.693480
2003-12-22 00:30:00 2.318347 0.729125
2003-12-23 00:30:00 1.741943 0.661170
2003-12-24 00:30:00 1.686124 0.663134
2003-12-25 00:30:00 1.852876 0.685986
2003-12-26 00:30:00 1.759650 0.704152
2003-12-27 00:30:00 1.566521 NaN
2003-12-28 00:30:00 1.496039 NaN
2003-12-29 00:30:00 1.540751 NaN
2003-12-30 00:30:00 2.006475 NaN
2003-12-31 00:30:00 1.920912 NaN
关于python - Pandas 数据帧之间的计算返回 NaN,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57771621/
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!