معرفی شرکت ها


a-pandas-ex-old-school-for-loop-0.1


Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

How about an old school inplace-for-loop for Pandas DataFrames? :)
ویژگی مقدار
سیستم عامل -
نام فایل a-pandas-ex-old-school-for-loop-0.1
نام a-pandas-ex-old-school-for-loop
نسخه کتابخانه 0.1
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Johannes Fischer
ایمیل نویسنده <aulasparticularesdealemaosp@gmail.com>
آدرس صفحه اصلی https://github.com/hansalemaos/a_pandas_ex_old_school_for_loop
آدرس اینترنتی https://pypi.org/project/a-pandas-ex-old-school-for-loop/
مجوز MIT
### Tired of vectorization, df.apply and df.map? How about an old school inplace-for-loop? :) #### Usage - DataFrame ```python pip install ``` ```python from a_pandas_ex_old_school_for_loop import pd_add_old_school_for_loop pd_add_old_school_for_loop() import pandas as pd df = pd.read_csv("https://raw.githubusercontent.com/pandas-dev/pandas/main/doc/data/titanic.csv") df Out[3]: PassengerId Survived Pclass ... Fare Cabin Embarked 0 1 0 3 ... 7.2500 NaN S 1 2 1 1 ... 71.2833 C85 C 2 3 1 3 ... 7.9250 NaN S 3 4 1 1 ... 53.1000 C123 S 4 5 0 3 ... 8.0500 NaN S .. ... ... ... ... ... ... ... 886 887 0 2 ... 13.0000 NaN S 887 888 1 1 ... 30.0000 B42 S 888 889 0 3 ... 23.4500 NaN S 889 890 1 1 ... 30.0000 C148 C 890 891 0 3 ... 7.7500 NaN Q [891 rows x 12 columns] for item in df.ds_set_values_with_loop(): try: if item['get_value']() > 2: item['set_value'](10000000) except Exception: continue df Out[5]: PassengerId Survived Pclass ... Fare Cabin Embarked 0 1 0 10000000 ... 10000000.0 NaN S 1 2 1 1 ... 10000000.0 C85 C 2 10000000 1 10000000 ... 10000000.0 NaN S 3 10000000 1 1 ... 10000000.0 C123 S 4 10000000 0 10000000 ... 10000000.0 NaN S .. ... ... ... ... ... ... ... 886 10000000 0 2 ... 10000000.0 NaN S 887 10000000 1 1 ... 10000000.0 B42 S 888 10000000 0 10000000 ... 10000000.0 NaN S 889 10000000 1 1 ... 10000000.0 C148 C 890 10000000 0 10000000 ... 10000000.0 NaN Q [891 rows x 12 columns] ``` #### Usage - Series in a DataFrame ```python from a_pandas_ex_old_school_for_loop import pd_add_old_school_for_loop pd_add_old_school_for_loop() import pandas as pd df = pd.read_csv("https://raw.githubusercontent.com/pandas-dev/pandas/main/doc/data/titanic.csv") df Out[3]: PassengerId Survived Pclass ... Fare Cabin Embarked 0 1 0 3 ... 7.2500 NaN S 1 2 1 1 ... 71.2833 C85 C 2 3 1 3 ... 7.9250 NaN S 3 4 1 1 ... 53.1000 C123 S 4 5 0 3 ... 8.0500 NaN S .. ... ... ... ... ... ... ... 886 887 0 2 ... 13.0000 NaN S 887 888 1 1 ... 30.0000 B42 S 888 889 0 3 ... 23.4500 NaN S 889 890 1 1 ... 30.0000 C148 C 890 891 0 3 ... 7.7500 NaN Q [891 rows x 12 columns] for item in df.PassengerId.ds_set_values_with_loop(): try: if item['get_value']() > 2: item['set_value'](10000000) except Exception: continue df Out[3]: PassengerId Survived Pclass ... Fare Cabin Embarked 0 1 0 3 ... 7.2500 NaN S 1 2 1 1 ... 71.2833 C85 C 2 10000000 1 3 ... 7.9250 NaN S 3 10000000 1 1 ... 53.1000 C123 S 4 10000000 0 3 ... 8.0500 NaN S .. ... ... ... ... ... ... ... 886 10000000 0 2 ... 13.0000 NaN S 887 10000000 1 1 ... 30.0000 B42 S 888 10000000 0 3 ... 23.4500 NaN S 889 10000000 1 1 ... 30.0000 C148 C 890 10000000 0 3 ... 7.7500 NaN Q [891 rows x 12 columns] ``` #### Update lists and dicts inside cells ```python from a_pandas_ex_old_school_for_loop import pd_add_old_school_for_loop from random import randrange pd_add_old_school_for_loop() import pandas as pd df = pd.read_csv("https://raw.githubusercontent.com/pandas-dev/pandas/main/doc/data/titanic.csv") getrandomlist = lambda x: [ [[randrange(1, 100), randrange(1, 100)] * 1] * randrange(1, 10) ] df["listtest"] = df.PassengerId.map(getrandomlist) df Out[4]: PassengerId ... listtest 0 1 ... [[[88, 15], [88, 15], [88, 15], [88, 15]]] 1 2 ... [[[15, 63], [15, 63], [15, 63], [15, 63], [15,... 2 3 ... [[[46, 9], [46, 9], [46, 9], [46, 9]]] 3 4 ... [[[71, 12], [71, 12], [71, 12], [71, 12]]] 4 5 ... [[[55, 44], [55, 44], [55, 44], [55, 44], [55,... .. ... ... ... 886 887 ... [[[81, 15], [81, 15], [81, 15], [81, 15], [81,... 887 888 ... [[[18, 70]]] 888 889 ... [[[16, 35]]] 889 890 ... [[[48, 54], [48, 54], [48, 54], [48, 54], [48,... 890 891 ... [[[11, 99], [11, 99], [11, 99], [11, 99], [11,... for item in df.listtest.ds_set_values_with_loop(): try: if item['get_value']() > 15: item['set_value'](15000000) except Exception: continue df Out[6]: PassengerId ... listtest 0 1 ... [[[15000000, 15], [15000000, 15], [15000000, 1... 1 2 ... [[[15, 15000000], [15, 15000000], [15, 1500000... 2 3 ... [[[15000000, 9], [15000000, 9], [15000000, 9],... 3 4 ... [[[15000000, 12], [15000000, 12], [15000000, 1... 4 5 ... [[[15000000, 15000000], [15000000, 15000000], ... .. ... ... ... 886 887 ... [[[15000000, 15], [15000000, 15], [15000000, 1... 887 888 ... [[[15000000, 15000000]]] 888 889 ... [[[15000000, 15000000]]] 889 890 ... [[[15000000, 15000000], [15000000, 15000000], ... 890 891 ... [[[11, 15000000], [11, 15000000], [11, 1500000... [891 rows x 13 columns] ```


نیازمندی

مقدار نام
- flatten-any-dict-iterable-or-whatsoever
- nestednop
- pandas
- useful-functions-easier-life


نحوه نصب


نصب پکیج whl a-pandas-ex-old-school-for-loop-0.1:

    pip install a-pandas-ex-old-school-for-loop-0.1.whl


نصب پکیج tar.gz a-pandas-ex-old-school-for-loop-0.1:

    pip install a-pandas-ex-old-school-for-loop-0.1.tar.gz