В рейтинге участвует:

групп:

каналов:

Виртуальный сервер на SSD - недорого!

Аренда выделенных и виртуальных серверов (VDS/VPS), хостинг, аренда IP-адресов, администрирование, круглосуточная поддержка

qwarta.ru подробнее

Резервное копирование с проверкой на вирусы!!!

Удобный сервис создания резервных копий на любой сервер сети интернет. Отслеживайте изменения, проверяйте на вирусы. Надежно защитите свой бизнес!

go.backupland.com

Выбираете сервер? Любая конфигурация на заказ!

Аренда физических серверов любых конфигураций под любые запросы - 1С бухгалтерия, игровые сервера, нагруженные проекты, интернет-магазины!

qwarta.ru подробнее

Size: a a a

Python для анализа данных

1701 membersпожаловаться на группу
2020 December 07

P

Pavel in Python для анализа данных
Всем привет!
Подскажите, как для каждого значения в одной колонке найти минимальное значение даты по другой?

Например на входе:
Uid Date
1     2020-05-01
2     2020-08-07
2     2020-07-10
1     2020-02-08

На выходе:
Uid Date
1     2020-02-08
2     2020-07-10
источник
23:25пожаловаться#1

АМ

Алексей Макаров... in Python для анализа данных
Pavel
Всем привет!
Подскажите, как для каждого значения в одной колонке найти минимальное значение даты по другой?

Например на входе:
Uid Date
1     2020-05-01
2     2020-08-07
2     2020-07-10
1     2020-02-08

На выходе:
Uid Date
1     2020-02-08
2     2020-07-10
df.groupby([‘Uid’])[‘Date’].min()
источник
23:27пожаловаться#2

P

Pavel in Python для анализа данных
Алексей Макаров
df.groupby([‘Uid’])[‘Date’].min()
оу)) точно, спасибо))
источник
23:29пожаловаться#3

P

Pavel in Python для анализа данных
А если например нужно сохранить еще 5 полей, то есть взять ту строку со всеми полями, у которой дата минимальная?
источник
23:31пожаловаться#4

3

3ldar in Python для анализа данных
Pavel
А если например нужно сохранить еще 5 полей, то есть взять ту строку со всеми полями, у которой дата минимальная?
df.loc[[df[‘Date’].idxmin()]]
источник
23:41пожаловаться#5

АМ

Алексей Макаров... in Python для анализа данных
Pavel
А если например нужно сохранить еще 5 полей, то есть взять ту строку со всеми полями, у которой дата минимальная?
Я бы сделал как-то так df.loc[df.groupby([‘Uid’])[‘Date’].idxmin().values]
источник
23:41пожаловаться#6

АМ

Алексей Макаров... in Python для анализа данных
Но важно учесть, что idxmin() возвращает индекс первой строки, которая соответствует минимальному значению. Так что если в датафрейме для группы будет 2 строки, где дата минимальная, то для группы возвратится только первая строка
источник
23:44пожаловаться#7

P

Pavel in Python для анализа данных
Спасибо, протестирую завтра
источник
23:46пожаловаться#8
2020 December 08

A

Andrey Denisov in Python для анализа данных
Привет, никто не занимается предиктивом? Есть желание попробовать предсказать закупку товаров на достаточно больших данных. Есть остатки на дату, продажи за период.

С чего стоит начать? Чем можно ещё обогащать?
источник
09:20пожаловаться#9

R

Ruslan in Python для анализа данных
Andrey Denisov
Привет, никто не занимается предиктивом? Есть желание попробовать предсказать закупку товаров на достаточно больших данных. Есть остатки на дату, продажи за период.

С чего стоит начать? Чем можно ещё обогащать?
Мне кажется такую величину предсказать не получится
источник
09:26пожаловаться#10

KM

Konstantin Mohov in Python для анализа данных
да ну
источник
09:26пожаловаться#11

KM

Konstantin Mohov in Python для анализа данных
предсказать можно все, были бы данные
источник
09:26пожаловаться#12

R

Ruslan in Python для анализа данных
Вернее нет смысла в том чтобы ее предсказывать через стат методы
источник
09:26пожаловаться#13

R

Ruslan in Python для анализа данных
Konstantin Mohov
предсказать можно все, были бы данные
Смотря с какой точностью)
источник
09:27пожаловаться#14

R

Ruslan in Python для анализа данных
Закупка рассчитываемая и управляемая величина, т.е. исключает из себя элемент случайности. Поэтому закупку можно предсказать простым среднем по дням предыдущих недель. Примерно посмотреть заказы на склады по пн, вт,  ср и т.д. Взять среднее по этим дням по неделям и вуаля. Будет точность 90-95%
источник
09:29пожаловаться#15

A

Andrey Denisov in Python для анализа данных
Ну задачи какого-то 100%-ного предиктива не стоит - хочется покрутить-повертеть, вдруг, на что и сгодится.
Данные есть и их много - та же сезонность ярко выражена, например
источник
09:29пожаловаться#16

KM

Konstantin Mohov in Python для анализа данных
если данные нормальные и чистые, то и точность будет высокая. Конечно, я не говорю о данных до и во время пандемии (например).
источник
09:29пожаловаться#17

KM

Konstantin Mohov in Python для анализа данных
Ruslan
Закупка рассчитываемая и управляемая величина, т.е. исключает из себя элемент случайности. Поэтому закупку можно предсказать простым среднем по дням предыдущих недель. Примерно посмотреть заказы на склады по пн, вт,  ср и т.д. Взять среднее по этим дням по неделям и вуаля. Будет точность 90-95%
мы тоже думаем, что наше поведение в интернете -управляемая величина, однако, гугл все знает наперед))
источник
09:30пожаловаться#18

A

Andrey Denisov in Python для анализа данных
Ruslan
Закупка рассчитываемая и управляемая величина, т.е. исключает из себя элемент случайности. Поэтому закупку можно предсказать простым среднем по дням предыдущих недель. Примерно посмотреть заказы на склады по пн, вт,  ср и т.д. Взять среднее по этим дням по неделям и вуаля. Будет точность 90-95%
Не, речь про закупку больше в разрезе как функции от продаж. Ессно, она управляемая величина)
источник
09:30пожаловаться#19

A

Andrey Denisov in Python для анализа данных
Собственно, вопрос был - с чего начать? Есть какая-то либа или направление куда копать?
Слышал что-то про fb-шную либу
источник
09:31пожаловаться#20