OB
Покажи как код форматировать и я запошу прям сюда
CTRL+SHIFT+M
Size: a a a
2019 July 19
k
CTRL+SHIFT+M
А в вебверсии?
OB
обложить тремя обратными апострофами
k
обложить тремя обратными апострофами
спасибо
k
for i in df2['user'].iloc[0]:
df2.insert(len(df2.columns), i, 0)
for i in df2.user.index:
for key in df2.user.iloc[i]:
df2[key].loc[i] = df2.user.loc[i][key]
AR
Что-то пошло не так
OB
Что-то пошло не так
дай угадаю, ты чат перепутал? :)
k
Сожрало перевод строки
AR
дай угадаю, ты чат перепутал? :)
Не, я про код :)
АМ
Еще можно вот так
pd.concat([df.drop(['user'], axis=1), df['user'].apply(pd.Series)], axis=1)АМ
Ну и так с каждой колонкой, где хранится dict
k
Еще можно вот так
pd.concat([df.drop(['user'], axis=1), df['user'].apply(pd.Series)], axis=1)Клёво)
OB
Еще можно вот так
pd.concat([df.drop(['user'], axis=1), df['user'].apply(pd.Series)], axis=1)огонь
R
я бы попробовал так
сделал бы отдельный df с помощью json.loads, а потом сджойнил столбцы .
сделал бы отдельный df с помощью json.loads, а потом сджойнил столбцы .
d1 = df['user'].apply(json.loads)
d1 = pd.DataFrame(d1.tolist())
df = df.join(d1, rsuffix='phone')
ВЛ
Спасибо большое всем)
ВЛ
я бы попробовал так
сделал бы отдельный df с помощью json.loads, а потом сджойнил столбцы .
сделал бы отдельный df с помощью json.loads, а потом сджойнил столбцы .
d1 = df['user'].apply(json.loads)
d1 = pd.DataFrame(d1.tolist())
df = df.join(d1, rsuffix='phone')
слишком трудозатратно, спасибо
R
Ну, есть такое) зависит от того сколько столбцов оттуда вам нужно. Ну и всего три строчки) читабельно
YP
Приветствую всех. Задача довольно банальная:
Есть таблица вида
Нужен отдельный столбец, в котором будет храниться максимальное значение для value по каждому id
Не могу придумать ничего лучше, чем
Есть ли более элегантный способ добиться такого результата?
Есть таблица вида
id value
1 1
1 2
1 3
2 1
2 2
Нужен отдельный столбец, в котором будет храниться максимальное значение для value по каждому id
id value max_value
1 1 3
1 2 3
1 3 3
2 1 2
2 2 2
Не могу придумать ничего лучше, чем
df = df.merge(df.groupby('id').max()['value'].reset_index(), how='left', on='id')Есть ли более элегантный способ добиться такого результата?