ignore_index
import pandas as pd
from IPython.core.display import displaydata={'name':['张三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2004],'city':['北京','上海','广州','北京']}
df1=pd.DataFrame(data,columns=['name','sex','year','city'])df3=df1.set_index(['sex','city'])
df3=df3.reset_index(['sex'])
print(df3)
data1={'year':2001,'name':'lanlan','sex':'male','city':'北京'}
df4=df3.append(data1,ignore_index=True)
print(df4)
结果:
sex name year
city
北京 female 张三 2001
上海 female 李四 2001
广州 male 王五 2003
北京 male 小明 2004sex name year city
0 female 张三 2001 NaN
1 female 李四 2001 NaN
2 male 王五 2003 NaN
3 male 小明 2004 NaN
4 male lanlan 2001 北京Process finished with exit code 0
import pandas as pd
from IPython.core.display import displaydata={'name':['张三','李四','王五','小明'],'sex':['female','female','male','male'],'year':[2001,2001,2003,2004],'city':['北京','上海','广州','北京']}
df1=pd.DataFrame(data,columns=['name','sex','year','city'])
print(df1)
data1={'year':2001,'name':'lanlan','sex':'male','city':'北京'}
df4=df1.append(data1,ignore_index=True)
print(df4)
结果:
name sex year city
0 张三 female 2001 北京
1 李四 female 2001 上海
2 王五 male 2003 广州
3 小明 male 2004 北京name sex year city
0 张三 female 2001 北京
1 李四 female 2001 上海
2 王五 male 2003 广州
3 小明 male 2004 北京
4 lanlan male 2001 北京Process finished with exit code 0
ignore_index相关推荐
- torch.nn.functional.cross_entropy.ignore_index
ignore_index表示计算交叉熵时,自动忽略的标签值,example: import torch import torch.nn.functional as F pred = [] pred.a ...
- pandas使用pd.concat纵向合并多个dataframe实战:纵向合并(ignore_index参数)、为纵向合并的多个dataframe设置标识符指定数据来源(通过字典方式设置数据来源键)
pandas使用pd.concat纵向合并多个dataframe实战:多个dataframe的纵向合并(ignore_index参数).为纵向合并的多个dataframe设置标识符指定数据来源(通过字 ...
- paddlepaddle 27 支持任意维度数据的梯度平衡机制GHM Loss的实现(支持ignore_index、class_weight,支持反向传播训练,支持多分类)
GHM Loss是Focal loss的升级版,它对难样本进行了深入的分析,认为并非所有的难样本都值得关注.有一些难样本属于标签错误的,不应该进行加强.GHM Loss根据loss的梯度模长(1-so ...
- pytorch 12 支持任意维度数据的梯度平衡机制GHM Loss的实现(支持ignore_index、class_weight,支持反向传播训练,支持多分类)
梯度平衡机制GHM(Gradient Harmonized Mechanism) Loss是Focal loss的升级版,源自论文Gradient Harmonized Single-stage De ...
- paddle 40 支持任意维度数据的梯度平衡机制GHM Loss的实现(支持ignore_index、class_weight,支持反向传播训练,支持多分类)
梯度平衡机制GHM(Gradient Harmonized Mechanism) Loss是Focal loss的升级版,源自论文Gradient Harmonized Single-stage De ...
- nn.CrossEntropyLoss的ignore_index标签(CE loss)
例如我的pred是(b,2,w,h),而label索引是(b,1,w,h)的矩阵,其中只有0,1值,0值代表从pred的第0个通道选择像素值,1值代表从pred的第1个通道选择像素值. 而此时我发现因 ...
- 【深度学习】损失函数系列 (一) 平方损失函数、交叉熵损失函数 (含label_smoothing、ignore_index等内容)
一.平方损失函数(Quadratic Loss / MSELoss): Pytorch实现: from torch.nn import MSELoss loss = nn.MSELoss(reduct ...
- torch cross_entropy ignore_index
ignore_index:指定标签为什么的时候不参与损失的计算 ignore_index (int, optional): Specifies a target value that is ignor ...
- dataframe,python,numpy 问题索引1
# 找出只有赌场数据的账户 gp=data.groupby(['查询账号','场景标签'],as_index=True) tj=gp.size().reset_index()按查询账号和场景标签分组并 ...
最新文章
- 案例:使用jquery的ajax load方法更新局部页面并应用NProgress库实现顶部进度条
- SpringBoot中自定义消息转化器
- 三、HDFS中的Python 和JavaAPI
- iOS-应用生命周期
- Java 运算符及优先级
- 随手能做194个实验,不呆板,轻松撬动大智慧
- 纳米颗粒C语言数值模拟_J.Hazard. Mater.当“金属纳米酶”邂逅“重金属离子”:机遇与挑战...
- Linux 使用正则表达式的常用命令
- CUDA:使用nvprof工具计时
- python判断安全密码_python 字符串实例:检查并判断密码字符串的安全强度
- 洛谷 P1280 尼克的任务
- linux空磁盘划分,Linux 磁盘划分
- access 数据库入门
- java实现cas单点登录_CAS单点登录实现步骤
- smart原则_人生工具:SWOT、PDCA、6W2H、SMART、WBS、时间管理、二八原则
- 三相逆变器仿真matlab,在MATLAB中实现三相电压型逆变器仿真
- webRTC音频NetEq之音频包插入缓冲抖动BUFF处理过程
- java 实现邮件带附件发送
- 域名解析错误怎么办?
- DNA序列 UVa1368
热门文章
- 为什么您仍然不应该购买《星球大战:前线II》
- matlab slep,SLEP-sparse-learing-toolbox 稀疏学习算法工具,对图像进行降噪处理,有明显效果 matlab 263万源代码下载- www.pudn.com...
- 前后端分离项目线上部署
- 三本院校本科毕业,华科博士入选华为“天才少年”,年薪200万,网友:最酷逆袭
- 主机屋的免费PHP空间
- kindeditor去掉图片空间
- SSM项目-OA报销单管理系统(三)
- 怎么扩大esp分区和传统引导转UEFI引导教程
- 本月第三次,亚马逊AWS再次遭遇宕机
- “应用程序配置不正确,程序无法启动”详细举例(vc2008 sp1)