Phương pháp .agg() có thể sử dụng với một tuple hay một danh sách (list) như là một đầu vào (input). Khi áp dụng vào tổng hợp nhiều giá trị của nhiều cột DataFrame sẽ có chỉ số cột nhiều mức độ (multi-level column index)
Với mình đây cũng là một phép tính trong toán học, nhưng các bậc thầy tử vi dựa trên kinh nghiệm dày dặn kết hợp xem tử vi, sắc khí và tướng mạng để giải đoán sẽ chính xác theo tháng và năm.
Bài này chỉ ở mức sơ đẳng, mình tóm lược lại chứ không chỉ cách xem chi tiết.
Ví dụ cho lá số dương nam.
Chọn năm đại hạn là năm 25 tuổi, gióng đối cung với cung 25 tuổi là 26 tuổi, lùi một ngược chiều kim đồng hồ là 27, sau đó tiến theo kim đồng hồ cho từng năm tuổi tiếp theo. Cách tính này tương tự cho lá số là Âm Nữ.
Ví dụ cho là số âm nam
Chúng ta đã tìm hiểu cách dùng pivot để sắp xếp lại cột của Dataframe hay Hierarchical / Multi-level indexing bằng set_index.
Trong một vài trường hợp thì mình sẽ chuyển từ index sang cột, datafame sẽ có nhiều cột hơn và ít hàng đi.
Thông thường DataFrames thiết lập có dạng không giống phù hợp với cái chúng ta đang cần. Một ví dụ dataframe dưới đây thiết lập từ file dieutri.csv
import pandas as pd
df = pd.read_csv('dieutri.csv')
id điều trị giới tính phản ứng
0 1 A Nữ 5
1 2 A Nam 3
2 3 B Nữ 8
3 4 B Nam 9
Dataframe df này bao gồm 4 hàng, và 4 cột id, điều trị, giới tính và phản ứng
Trong khi Pivot là một công cụ hữu hiệu để reshaping datafames.
Xem qua một dataframe gốc, sau khi pivoting, đôi khi chúng ta muốn chuyển lại dataframe gốc thì sử dụng .melt
Trong khi sử dụng melt thì cần chỉ ra cột nào vẫn duy trì trong định hình lại dataframe
import pandas as pd
pd.melt(df, id_vars = ["ten_cot"])
Phương pháp .map() được dùng để chuyển đổi giá trị theo một dictionary của Python.
Ví dụ một sử dụng .map() đó là sử dung một dictionary để map các giá trị ở một cột vào giá trị mình tự đặt, sau đó giao giá trị mình mới đặt vào một cột mới.
Bài này nằm trong mục tách và chuyển đổi dữ liệu
Phương pháp .apply() có thể sử dụng vào một pandas DataFrame để áp dụng một chức năng bất thường vào từng thành phần trong cột đó.
Ví dụ cột là có giá trị là đường kính, giờ mình muốn chuyển sang thành chu vi, thì chỉ cần truy cập vào cột này và thêm df.apply(lambda d: d*3.14)
Sau khi chuyển đổi xong cột này thì bạn có thể đặt tên mới có cột này bằng cách.
df.columns = ['tên cột mới']
Lưu ý thuộc tính .columns có thể áp dụng trên hiều cột.
Mình có một số Wordpress site đổi khi mình có tùy chỉnh child theme và dùng filezilla, dể upload những thay đôi trong child theme.
Dùng Filezilla khá là đơn giản - hiểu đơn giản là giao thức tải, upload lên server của website và local development.
Trước hết tải Filezilla Client về theo đường link: https://filezilla-project.org/
Cài đặt trên Windows hay Mac
Một số kỹ thuật sử dụng trong DataFrames như pivoting, melting, stacking và unstacking. Đây là nhưng kỹ thuật để sắp xếp dữ liệu ở định dạng tối ưu cho việc phân tích dữ liệu.
Bạn có câu hỏi nào trong quá trình thiết lập Drupal website hay phân tích dữ liệu khoa học bằng Python vui lòng để lại comment bên dưới.
Mình sẽ cố gắng trả lời trong mức độ hiểu biết của mình.
Cảm ơn bạn đã ghé thăm website.