回答情况：
提问时间：
问题标签：
我正在尝试对以下pandas数据帧运行split-apply-combine。我希望为每个唯一的客户代码显示col1值小于或等于0的行的计数，以及col1值大于0的行的计数。
浏览 18修改于2020-02-24得票数 0
我有一个名为"userid“的Spark DataFrame，我正在使用sparklyr对其进行操作。每个userid可以有从一行数据到几百行数据的任何地方。我将一个函数应用于每个userid组，该函数根据特定的事件条件压缩它所包含的行数。就像这样 sdf %>% ... %>% # using dplyr::filter and dplyr::mutate
ungroup() 我想把这个函数包装在一个错误处理程序中，比如purrr::possibly，这样如果一个错误出现在一个组中，计算就不会中断。 到目前
浏览 8提问于2019-06-04得票数 0
回答已采纳
我有一个scala函数，它接受一个spark dataframe并返回一个单值，也就是说两个值。这个函数很复杂，使用在DataFrame类中定义的聚合，调用其他java库，并且不能用SQL表达。它需要整个数据帧的内容来进行计算，它不能一次添加一行并建立一个结果。使用PandasUDF这将是一个相对简单的任务，但是我不知道如何在Scala中做到这一点。
我尝试使用group by列对
浏览 28提问于2020-04-22得票数 0
所以这不是我需要使用的数据集，但它是我正在为一个癌症研究项目使用的一个巨大数据集(大约180万个数据点)的模板，所以我想如果我可以使用一个较小的数据集，那么我就可以调整它来适应我的大数据集！因此，作为示例，假设我有以下数据集： import numpy as npdf = pd.DataFrame({
'cond': ['A', 'A', 'A', 'A', 'A', 'A', 'A', 'A', &#
浏览 25提问于2019-10-08得票数 2
回答已采纳
我在split-apply-combine方法上挣扎了很长时间，我想现在已经有了一个很好的解决方案，只需要几行代码。 非常感谢您的支持！
浏览 33提问于2020-10-15得票数 1
回答已采纳
经过大量的实验和搜索split-apply-combine寻找单独的组合方法，我得出了下面的成语，它是有效的。它需要一个开放的编码身份函数，这向我暗示了我没有按照预期的方式使用GroupBy。
浏览 0修改于2020-03-31得票数 1
我尝试过使用split-apply-combine方法，但似乎找不到一种在返回所有列的同时过滤行的方法。 感谢大家在这方面的帮助。
浏览 38提问于2020-11-26得票数 4
回答已采纳
Split-Apply-Combine编辑:处理这类数据的更好方法是使用方法。
步骤1:拆分要执行某些特定操作的数据。
浏览 0修改于2020-08-29得票数 1
回答已采纳
在split-apply-combine框架中，我会从DT[A == 13, B := 1, by='ID']开始，然后执行左连接，但希望尽可能使用data.table的方式。谢谢!
浏览 9提问于2020-05-25得票数 2
回答已采纳
我正在处理一个问题，这个问题要求我使用split-apply-combine执行几个操作。除了最后一个问题，我得到了大多数问题的答案。
浏览 17提问于2019-01-06得票数 1
回答已采纳
在他的书中，熊猫作者将groupby描述为split-apply-combine操作的第一部分：
因此，首先，groupby将DataFrame转换为DataFrameGroupBy对象。
浏览 3提问于2016-02-19得票数 2
回答已采纳
color = class)) + x = rank, ))我最好的解决办法
通过split-apply-combine
浏览 0提问于2018-07-12得票数 3
我在pandas中使用了split-apply-combine模式来创建一个新列，它度量两个时间戳之间的差异。 下面是我的问题的一个简化示例。
浏览 20修改于2021-07-29得票数 1
回答已采纳
(monthly_copy[:DATE])
quarterly = by(monthly_copy, :DATE, df -> mean(df
浏览 1提问于2018-06-11得票数 1
最后，我使用了split-apply-combine方法，使用了‘斯诺尔’，'foreach'和'doSMP'。我收集了我的数据，处理了每一个数据，并将结果组合在一起。
浏览 2修改于2018-11-16得票数 8
回答已采纳
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号