在R(StringR)中使用正则表达式提取用于购物篮分析的产品项目时出错
Order_id PRODUCT_NAME 1 普通-高附着力有机硅底漆-30ml，普通-天然保湿因子+HA 30ml 2 Sandal，Brown-44 3 醋酸盐正方形黑色过渡太阳镜，卡地亚-8221-边少绿色双色太阳镜，雷朋-飞行员-棕色双色-3026-钻石硬质坚硬镜片，Burberry-2A357-哈瓦那-飞行员-太阳镜，醋酸盐正方形-黑色-过渡性太阳镜，卡地亚-8221-边少绿色双
..
data-wrangling相关内容
将完整的年龄从字符转换为R中的数字
我在R中有一个以人的完整年龄为字符串(例如，10年8个月23天)的数据集，我需要将其转换为有意义的数字变量。我正在考虑将其转换为人的年龄(这很难，因为月份有不同的天数)。因此，最佳解决方案可能是创建一个双精度变量，将年龄显示为10.6或10.8，这是一个数字变量，其中包含10年8个月5天大于10年7个月12天的信息。 以下是我拥有的当前变量的一个示例 library(tibble)
..
如何使用 groupby 和聚合将 pyspark 数据框中的行与多列连接起来
我有一个包含多列的 pyspark 数据框.例如下面的那个. from pyspark.sql import Rowl = [('Jack',"a","p"),('Jack',"b","q"),('Bell',"c","r"),('Bell',"d","s")]rdd = sc.parallelize(l)score_rdd = rdd.map(lambda x: Row(name=x[0],
..
使用 R 在流程中的连续阶段之间处理事件
我一直在尝试解决教科书中的一个练习，我面临的挑战是计算工业过程的连续阶段之间的不同事件. 过程相关信息: 一个测试对象经历了一个 3 个阶段的过程，分别是 A、B 和 C 阶段，第一个是 A、第二个 B 和最后一个 C；测试对象可能会在 A 或 B 阶段放弃该过程，然后从 A 点重新开始，每次该过程发生时，都会创建一个数据集，其中包含测试对象的 IDENTIFICATION、发生该阶段的 T
..
无法从网页中提取带有熊猫的嵌套表体
我正在尝试从 url 'http://gsa.nic 中提取嵌套表.in/report/janDhan.html' 使用带有代码的熊猫: 将pandas导入为pd网址 ="http://gsa.nic.in/report/janDhan.html"table=pd.read_html(url)[3]打印(表)table.to_excel("GSA.xlsx") 但是它只打印表格的标题.请指导.
..
使用重复 id 变量的分组来重塑 data.frame
我想重塑/重新排列数据集，该数据集存储为具有 2 列的 data.frame: id(非唯一，即可以重复多行)--> 存储为字符 value --> 存储为数值(范围 1:3) 示例数据: id
..
我如何计算，在一个会话中总共有多少个项目?
我真的尽我最大的努力通过 stackoverflow 搜索解决方案，但不幸的是我找不到合适的问题.因此，我必须自己提出一个问题. 我正在处理一个包含 sessionID 和主题的数据集.想象一下它看起来像这样: sessionID 现在，我想知道某个主题的多少项目一起出现在一个会话中.最后，我想获得一个矩阵，表示特定主题与其他主题进行会话的频率.最终结果应如下所示: topics
..
如何规避 table() 函数抛出的 2^31 错误?
我真的尽我最大的努力通过 stackoverflow 搜索解决方案，但不幸的是我找不到合适的问题.因此，我必须自己提出一个问题. 我正在处理一个包含 sessionID 和主题的数据集.我想知道，有多少特定主题的物品被一起购买.值得庆幸的是，堆栈溢出成员有一个好主意，它使用了 table() 函数和 crossprod() 函数的组合. topicPairs
..
准备用于发布的聚合数据框
我有一个像这样的 Pandas 聚合数据框: 将pandas导入为pdagg_df = pd.DataFrame({'v1':['item', 'item', 'item', 'item', 'location', 'status', 'status'],'v2' :['床', '灯', '蜡烛', '椅子', '家', '新', '二手'],'计数':['2', '2', '2', '1',
..
R中按组列出的因子水平的百分比
我正在尝试计算一组因素中不同水平的因素所占的百分比. 我嵌套了数据，希望看到每个国家中私立学校的比例为2级. 但是，我不知道该怎么做. #我的数据:CNT
..
检查一个数据框的值是否以正确的顺序存在于另一数据框中
我有1个数据帧的数据和多个“参考”数据。数据框。我正在尝试自动检查数据框的值是否与参考数据框的值匹配。重要的是，这些值还必须与参考数据帧中的值具有相同的顺序。这些列很重要，但是我的真实数据集包含更多列。 下面是一个玩具数据集。 数据框 组类型值 1泰迪 1威廉 1拉斯 2 B多洛雷斯 2 B Elsie 2 C Maeve 2 C夏洛特 2 C Bernard
..
如何使用groupby和aggregation将pyspark数据框中的行与多列连接
我有一个多列的pyspark数据框.例如下面的一个. from pyspark.sql import Row l = [('Jack',"a","p"),('Jack',"b","q"),('Bell',"c","r"),('Bell',"d","s")] rdd = sc.parallelize(l) score_rdd = rdd.map(lambda x: Row(name=x[0],
..