А
а в цикле проверить методом .isnumeric() и добавлять в лист, если True
Size: a a a
2019 September 18
YP
Но это будет работать лишь в случае, когда числа разделены пробелами. Т.е. на 15-12 не заработает.
R
воспользуйтесь функцией .str.contains() она принимает в том числе регулярки, ну и соответственно вам нужна регулярка, которая найдет ваши числа
R
регулярка которая находит числа в строке я думаю легко гуглится
YP
А можно посмотреть, что у вас в df['Калькулятор']?
ВЛ
воспользуйтесь функцией .str.contains() она принимает в том числе регулярки, ну и соответственно вам нужна регулярка, которая найдет ваши числа
через регулярку будет сложно
ВЛ
А можно посмотреть, что у вас в df['Калькулятор']?
YP
У вас там есть nan значения. Замените их на пустые строки и все заработает
YP
df['Калькулятор'] = df['Калькулятор'].fillna('')Вот таким образом
ВЛ
У вас там есть nan значения. Замените их на пустые строки и все заработает
YP
0 - это не пустая строка. Я написал выше, как надо сделать
YP
nan - это float, поэтому вы в apply пытаетесь к флоат применить split, и он совершенно справедливо падает. Вы заменили nan на 0, а 0 - это int. У int все еще нет метода split.
AP
Можно ещё принудительно str(x).split()
ВЛ
Спасибо, вот что сделал
YP
Не надо использовать циклы, когда работаете с датафреймами. Во-первых потому, что на больших объемах все будет ооочень медленно и больно, а во вторых потому, что 99% задач, которые, как кажется на первый взгляд, надо решать циклами, решаются на самом деле без них.
В этой задаче нужен все тот же apply.
В этой задаче нужен все тот же apply.
df['Калькулятор 3'] = df['Калькулятор 2'].apply(lambda x: np.mean(x)).fillna(0)
ВЛ
Не надо использовать циклы, когда работаете с датафреймами. Во-первых потому, что на больших объемах все будет ооочень медленно и больно, а во вторых потому, что 99% задач, которые, как кажется на первый взгляд, надо решать циклами, решаются на самом деле без них.
В этой задаче нужен все тот же apply.
В этой задаче нужен все тот же apply.
df['Калькулятор 3'] = df['Калькулятор 2'].apply(lambda x: np.mean(x)).fillna(0)
Понял, спасибо
2019 September 19
РЧ
Dmitriy Shashkin
А, ну ещё вариант что из-за того что в цикле отдельные ряды меняются. Я бы рекомендовал вообще избегать циклов при работе с pandas, лучше использовать apply
Спасибо
AP
о, кстати, @goto95
тоже считаю, что циклы это зло, но есть ситуация, в которой всегда использую циклы
например, есть датафрейм с 10 колонками.
нужно все колонки кроме первой разделить на первую, и записать результат каждого деления в отдельную колонку, назвав её так же, но добавив слово "share" к имени колонки.
делаю это так, и не знаю, как это сделать не циклом
есть тут смысл делать такое не циклом?
тоже считаю, что циклы это зло, но есть ситуация, в которой всегда использую циклы
например, есть датафрейм с 10 колонками.
нужно все колонки кроме первой разделить на первую, и записать результат каждого деления в отдельную колонку, назвав её так же, но добавив слово "share" к имени колонки.
делаю это так, и не знаю, как это сделать не циклом
df = pd.DataFrame([[i for i in np.random.randint(1,100,10)] for z in range(1,5)])
for col in [i for i in df.columns if i!=0]:
df[str(col)+'_share'] = df[col]/df[0]
есть тут смысл делать такое не циклом?
АМ
о, кстати, @goto95
тоже считаю, что циклы это зло, но есть ситуация, в которой всегда использую циклы
например, есть датафрейм с 10 колонками.
нужно все колонки кроме первой разделить на первую, и записать результат каждого деления в отдельную колонку, назвав её так же, но добавив слово "share" к имени колонки.
делаю это так, и не знаю, как это сделать не циклом
есть тут смысл делать такое не циклом?
тоже считаю, что циклы это зло, но есть ситуация, в которой всегда использую циклы
например, есть датафрейм с 10 колонками.
нужно все колонки кроме первой разделить на первую, и записать результат каждого деления в отдельную колонку, назвав её так же, но добавив слово "share" к имени колонки.
делаю это так, и не знаю, как это сделать не циклом
df = pd.DataFrame([[i for i in np.random.randint(1,100,10)] for z in range(1,5)])
for col in [i for i in df.columns if i!=0]:
df[str(col)+'_share'] = df[col]/df[0]
есть тут смысл делать такое не циклом?
Мне кажется тут циклы вполне себе пригодная конструкция. Ведь самые долгие операции деления всё равно векторизованными получаются