数据转换transform练习
数据转换transform练习
import numpy as np
import pandas as pd
1.创建3行4列dataframe对象,随机整数,范围1-6
df1 = pd.DataFrame(np.random.randint(1,6,(3,4)))
df1
0 | 1 | 2 | 3 | |
---|---|---|---|---|
0 | 1 | 3 | 2 | 4 |
1 | 5 | 2 | 2 | 4 |
2 | 5 | 1 | 2 | 4 |
2.按照series行分组,0,1行为a组,2行为b组,对其求出每一行的最小值
ser1 = pd.Series(list('aab'))
ser1
0 a
1 a
2 b
dtype: object
df1_1 = df1.groupby(ser1)
for i in df1_1:print(i)print('*******************')
('a', 0 1 2 3
0 1 3 2 4
1 5 2 2 4)
*******************
('b', 0 1 2 3
2 5 1 2 4)
*******************
df1_1.transform(min)
0 | 1 | 2 | 3 | |
---|---|---|---|---|
0 | 1 | 2 | 2 | 4 |
1 | 1 | 2 | 2 | 4 |
2 | 5 | 1 | 2 | 4 |
3.在1的基础上增加一列key,值为A,B,A,按照key进行分组,对其求出每一组的最大值,比较2,3聚合后与原dataframe对象的区别
df1['key'] = ['A','B','A']df1
0 | 1 | 2 | 3 | key | |
---|---|---|---|---|---|
0 | 1 | 3 | 2 | 4 | A |
1 | 5 | 2 | 2 | 4 | B |
2 | 5 | 1 | 2 | 4 | A |
df1_2 = df1.groupby('key')df1_2
<pandas.core.groupby.generic.DataFrameGroupBy object at 0x000002A1D878F1C0>
for i in df1_2: print(i) print('*****************')
('A', 0 1 2 3 key0 1 3 2 4 A2 5 1 2 4 A)*****************('B', 0 1 2 3 key1 5 2 2 4 B)*****************
df1_2.transform(max)
0 | 1 | 2 | 3 | |
---|---|---|---|---|
0 | 5 | 3 | 2 | 4 |
1 | 5 | 2 | 2 | 4 |
2 | 5 | 3 | 2 | 4 |
数据转换transform练习相关推荐
- Echarts数据转换transform
数据转换:给定一个已有的"数据集"(dataset)和一个"转换方法"(transform),echarts 能生成一个新的"数据集"并使用 ...
- Python之分组级运算——【transform()方法、apply()方法】
文章目录 数据转换--transform()方法 数据应用--apply()方法 数据转换--transform()方法 使用aggregate()方法进行聚合运算已经在上一篇博客中详细阐述,我们知道 ...
- R语言自学笔记-----数据转换
一.从数据集中取子集 这里以数据框x做演示 x <= read_excel('车险数据.xlsx') (一)索引的方法 1.常规方法索引取子集 x1 <- x[c(1:30),c(1:3) ...
- 数仓ETL系统:给强大的“心脏”配上“超级流水线”
本文分享自华为云社区<给强大的"心脏"配上"超级流水线"- GaussDB(DWS)数据仓库平台ETL系统建设方案>,原文作者: babu1801 ...
- 表格数据横向转纵向并在el-table中渲染
数据转换 transform(res) {console.log(res, 'res');const data = res.powerPlantVos;const dataKey = [{label: ...
- 【云原生|实践指北】5:真实业务场景下云原生项目落地实践学习
真实业务场景下云原生项目落地实践学习 写在前面的话 1.容器化的落地实践 搜题APP的云上之旅 2.Serverless的落地实践 某电商APP的Serverless改造之旅 3.云原生TKE的落地实 ...
- data mapping
数据映射(Data Mapping):给定两个数据模型,在模型之间建立起数据元素的对应关系,将这一过程称为数据映射. ETL包括三个阶段:数据抽取(extract),数据转换(transform) ...
- Pandas常用方法一
文章目录 1.Series 有序(index)序列 1)创建Series 2)序列索引查找 2.Dataframe 1)创建dataftame (ndarray.dict.series) 2)创建符合 ...
- 【DS with Python】DataFrame的合并、分组聚合与数据透视表
文章目录 前言 一.DataFrame的合并 1.1 按列名合并 (pd.merge()) 1.2 相同列添加行数 (pd.concat()功能) 二.应用 (.apply()功能) 三.分组 (.g ...
- 基于pytorch的人脸识别脚本(python示例)
示例1 import torch import torch.nn as nn import torch.optim as optim import torchvision.transforms as ...
最新文章
- Android驱动开发读书笔记六
- 无线通信领域:技术整合,创造未来
- 全球及中国医药销售外包(CSO)产业营销创新模式市场格局分析报告2022版
- pyqt5 实现右键自定义_《快速掌握PyQt5》第十七章 事件处理
- 2019年我总结的前端面试题
- 智伴机器人安卓怎么设置个人热点_周五到!!宿舍断网怎么办,教你一招
- linux 查询mysql编码格式_Linux 修改MySQL编码格式
- 论文笔记:Semantic Relation Reasoning for Shot-Stable Few-Shot Object Detection
- 在Java中用SHA1WithRSA创建的签名如何在.NET中验证
- Mysql之事务与视图
- javascript/js计算器的基础制作
- 决策树算法与python——心脏病预测
- 基于JSP的图书销售管理系统
- xposed框架android4,Xposed框架app_Xposed模块_xposed框架安卓4.4.4版-多特软件站安卓网...
- Cadence导出Excel格式BOM表
- PCB设计中,如何快速消除PCB布线?
- 分贝测试软件哪个好 家庭影院,家庭影院隔音怎么做效果最好 这7个解决方案你一定要知道...
- 小记 xian80 坐标转换 wgs84
- 4种实现Web前端可视化的常用方法
- 看完了 2021 CSS 年度报告,我学到了啥?
热门文章
- 日常英语:最近的药店在哪里
- 190522每日一句
- WinEdt 打开***.bib文件时 error reading
- 181113每日一句
- opencv Basic Drawing
- Atitit webserver web服务器的艺术 目录 1.1. 2.2 使用处理器处理请求	1 2. 2.5 处理器的作用域 :	2 2.1. 在Jetty中,很多标准的服务器会继承Handl
- Atitit node.js自定义模块化 Function walkFileTree() exports.walkFileTree =walkFileTree 引用 Files=require
- atitit 新特性与趋势管理的艺术 v2 s52.docx 1. lang语言系列 java node.js php 2 1.1. Atitit js es5 es6新特性 attilax总结
- Atiitt 兼容性提升的艺术 attilax总结 目录 1. 兼容性产生的原因	2 1.1. Api变化	2 1.2. 需求的资源不满足	2 2. 兼容性的分类	2 2.1. Web方面的兼容性
- paip.提升效率---filter map reduce 的java 函数式编程实现