melt

2зной

1ответ

Использование pandas, я хочу преобразовать длинный фрейм данных в широкий, но обычный метод pivot не такой гибкий, как мне нужно. Вот длинные данные: raw = { 'sample':[1, 1, 1, 1, 2, 2, 3, 3, 3, 3],

7зной

2ответ

Как расплавить Spark DataFrame?

Есть ли эквивалент функции Pandas Melt в Apache Spark в PySpark или, по крайней мере, в Scala? Я запускал образец данных до сих пор в python, и теперь я хочу использовать Spark для всего набора данных

0зной

1ответ

Проблемы настройки COLNAMES в R (создает числа случайных чисел)

данных можно найти здесь: http://www.scb.se/hitta-statistik/statistik-efter-amne/befolkning/befolkningens-sammansattning/befolkningsstatistik/pong/tabell-och-diagram/helarsstatistik--kommun-lan-och-ri

-2зной

1ответ

Как преобразовать частотную таблицу в вектор фактических данных?

У меня есть таблица частот: # a b # x 1 # y 2 # z 3 и я хочу, чтобы создать вектор [х, у, у, г, г, г] на основе подсчетов в б. Каков наиболее эффективный способ сделать это? Спасибо!

2зной

3ответ

в R, переформатируя «смешанный» кадр данных с использованием расплава и литья

Я хотел бы построить два типа значений друг против друга (dupl и orig). Можно ли легко изменить следующий фрейм данных record=c("r1","r1","r2","r3","r3") v1=rep(0,5) v2=c(0,0,1,0,0) v3=c(1,1,0,1,1)

3зной

2ответ

R: Плавление и объединение данных

это пример моего набора данных: ID = c(1, 2, 3, 4) Allegation = c("A::B::C::V", "A::C", "A::D", "D::E::D") Disposition = c("Open::Closed::Open", "Closed::Closed", "Open::Open", "Closed::Open") df <