PZ
Закон Бенфорда
Спасибо. Похоже, но надо подумать как именно эту цифру высчитать
Size: a a a
2021 February 22
2021 February 23
AK
Привет, всем. А как на мультииндексе get сделать ?
AZ
AZ
Если с колонкой, то так
AZ
Это отсюда: https://pandas.pydata.org/pandas-docs/stable/user_guide/advanced.html
первая страничка в гугле по запросу "pandas multiindex loc"
первая страничка в гугле по запросу "pandas multiindex loc"
AK
Это отсюда: https://pandas.pydata.org/pandas-docs/stable/user_guide/advanced.html
первая страничка в гугле по запросу "pandas multiindex loc"
первая страничка в гугле по запросу "pandas multiindex loc"
Я гетом хочу
AZ
У меня вот так сработало:
df["A"].get(("bar", "two"))AZ
Как я понимаю, важно, что в запросе кортеж, чтобы по нему индексироваться можно было
AK
У меня вот так сработало:
df["A"].get(("bar", "two"))спасибо!
БЕ
Всем привет!
Ребята, объясните, пожалуйста, зачем чтобы переименовать столбцы в датафрейме пишут такое:
По сути я могу сделать тоже самое, через:
Результат тот же, а писать меньше.
Может я что-то не понимаю?
Ребята, объясните, пожалуйста, зачем чтобы переименовать столбцы в датафрейме пишут такое:
df.set_axis(['name1','name2'], axis='columns', inplace=True)
По сути я могу сделать тоже самое, через:
df.columns = ['name1','name2']
Результат тот же, а писать меньше.
Может я что-то не понимаю?
PZ
Всем привет!
Ребята, объясните, пожалуйста, зачем чтобы переименовать столбцы в датафрейме пишут такое:
По сути я могу сделать тоже самое, через:
Результат тот же, а писать меньше.
Может я что-то не понимаю?
Ребята, объясните, пожалуйста, зачем чтобы переименовать столбцы в датафрейме пишут такое:
df.set_axis(['name1','name2'], axis='columns', inplace=True)
По сути я могу сделать тоже самое, через:
df.columns = ['name1','name2']
Результат тот же, а писать меньше.
Может я что-то не понимаю?
почему существование разных стилей программирования вас беспокоит? Они есть потому что так сложилось. Нет плана. Нет загадки.
3
Всем привет!
Ребята, объясните, пожалуйста, зачем чтобы переименовать столбцы в датафрейме пишут такое:
По сути я могу сделать тоже самое, через:
Результат тот же, а писать меньше.
Может я что-то не понимаю?
Ребята, объясните, пожалуйста, зачем чтобы переименовать столбцы в датафрейме пишут такое:
df.set_axis(['name1','name2'], axis='columns', inplace=True)
По сути я могу сделать тоже самое, через:
df.columns = ['name1','name2']
Результат тот же, а писать меньше.
Может я что-то не понимаю?
set_axis — более гибкая шутка, ею можно и индекс менять, чего не сделаешь через columns. Но да, больше гибкости — больше писанины
БЕ
Получается оба варианты правильные
VR
есть еще pd.rename
тоже правильный
тоже правильный
A
Всем привет!
Ребята, объясните, пожалуйста, зачем чтобы переименовать столбцы в датафрейме пишут такое:
По сути я могу сделать тоже самое, через:
Результат тот же, а писать меньше.
Может я что-то не понимаю?
Ребята, объясните, пожалуйста, зачем чтобы переименовать столбцы в датафрейме пишут такое:
df.set_axis(['name1','name2'], axis='columns', inplace=True)
По сути я могу сделать тоже самое, через:
df.columns = ['name1','name2']
Результат тот же, а писать меньше.
Может я что-то не понимаю?
Зачем писать с inplace хз, а вот без него удобно объединять в цепочки вычислений. Если подключить .pipe, тогда можно делать в таких цепочках однообразные преобразования над лейблами, а ля все названия столбцов привести к нижнему регистру и т.д.
3
Зачем писать с inplace хз, а вот без него удобно объединять в цепочки вычислений. Если подключить .pipe, тогда можно делать в таких цепочках однообразные преобразования над лейблами, а ля все названия столбцов привести к нижнему регистру и т.д.
Без inplace изменения не возымеют силу
A
Без inplace изменения не возымеют силу
без inplace вернется измененный фрейм, над которым можно продолжить вычисления
3
без inplace вернется измененный фрейм, над которым можно продолжить вычисления
3
В доке даже пример есть
3
А то, что можно накидать различных операций на исходный датафрейм, это понятно. Но без инплейса / присваивания, изменения не будут сохранены