在 Pandas 中保存更新的数据框
Save an updated dataframe in Pandas
我是第一次使用 pandas。
df.groupby(np.arange(len(df))//10).mean()
我使用上面的代码来计算每 10 行的平均值。我想保存这个更新的数据框，但是 df.to_csv 正在保存我导入的原始数据框。
我还想将 df（本质上是 df.groupby 数据框）中的一列乘以一个数字，然后创建一个新列。我该怎么做？
操作：
df.groupby(np.arange(len(df))//10).mean()
可能 return 需要的平均值数据帧，但它不会更改原始数据帧。相反，您需要这样做：
df_new = df.groupby(np.arange(len(df))//10).mean()
如果需要，您可以为其指定相同的名称。其他选项是一些您可能希望修改 inplace 参数中接受的数据框的操作，通常默认为 False。参见 。
要创建一个新列，即现有列乘以一个数字，您需要执行以下操作：
df_new['new_col'] = df_new['existing_col']*a_number
我是第一次使用 pandas。
df.groupby(np.arange(len(df))//10).mean()
我使用上面的代码来计算每 10 行的平均值。我想保存这个更新的数据框，但是 df.to_csv 正在保存我导入的原始数据框。
我还想将 df（本质上是 df.groupby 数据框）中的一列乘以一个数字，然后创建一个新列。我该怎么做？
操作：
df.groupby(np.arange(len(df))//10).mean()
可能 return 需要的平均值数据帧，但它不会更改原始数据帧。相反，您需要这样做：
df_new = df.groupby(np.arange(len(df))//10).mean()
如果需要，您可以为其指定相同的名称。其他选项是一些您可能希望修改 inplace 参数中接受的数据框的操作，通常默认为 False。参见
要创建一个新列，即现有列乘以一个数字，您需要执行以下操作：
df_new['new_col'] = df_new['existing_col']*a_number