2024-10-03, 23:03-今日內容

Pd groupby之后要想进行复杂操作，需要对某个column的series用上apply ，然后我们可以进行一些isna看… Pd里面isna和isnull是完全一样的意思。都是寻找某个column的缺失对于时间序列的填充，如果是先用后面的时间来作为填充，那么先用ffill，然后剩下的作为辅助，用bfill。 Pd可以选去不是nan的数据，可以直接对df调用notna的function，或者选取isna的数据。很方便我们处理时间序列的数据一般都是merge 然后groupby，然后fillna。可以bfill 或者ffill。如果是很简单的… Pd的merge 如果第二个df的id是间隔的，比如说间隔30秒，我们可以让那left join，第一个df是基础，保存所有… Nvim save 现在的文件可以直接呼叫saveas 然后写全新文件和后缀就好了。

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

Pd groupby之后要想进行复杂操作，需要对某个column的series用上apply ，然后我们可以进行一些isna看… Pd groupby之后要想进行复杂操作，需要对某个column的series用上apply ，然后我们可以进行一些isna看sum 的操作。

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

Pd里面isna和isnull是完全一样的意思。都是寻找某个column的缺失

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

对于时间序列的填充，如果是先用后面的时间来作为填充，那么先用ffill，然后剩下的作为辅助，用bfill。相反也可以反过来，

df_merged = pd.merge(df1, df2[[‘id’, ‘frame’, ‘overall_turn_label’]], on=[‘id’, ‘frame’], how=’left’)

按 id 分组，对 overall_turn_label 进行前向和后向填充V

df_merged[‘overall_turn_label’] = df_merged.groupby(‘id’)[‘overall_turn_label’].fillna(method=’ffill’) df_merged[‘overall_turn_label’] = df_merged.groupby(‘id’)[‘overall_turn_label’].fillna(method=’bfill’)

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

Pd可以选去不是nan的数据，可以直接对df调用notna的function，或者选取isna的数据。很方便

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

我们处理时间序列的数据一般都是merge 然后groupby，然后fillna。可以bfill 或者ffill。如果是很简单的… 我们处理时间序列的数据一般都是merge 然后groupby，然后fillna。可以bfill 或者ffill。如果是很简单的数据，不带id 不带time的，那么我们可以直接merge，然后how的时候forward 或者backward 或者nerest。一旦事情变得复杂，需要分组，那么就需要进行merge 和groupby 了。然后fillna 了。

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

Pd的merge 如果第二个df的id是间隔的，比如说间隔30秒，我们可以让那left join，第一个df是基础，保存所有… Pd的merge 如果第二个df的id是间隔的，比如说间隔30秒，我们可以让那left join，第一个df是基础，保存所有的df1的id，我们可以让前一个出现的时间step的value 往后back，这样车就可以保持惯性继续走，因为我们默认没有出现任何的manuver，所以会沿着上一个时间step的数据去填充后面的。具体例子在这里：

🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️下一個筆記🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️🐿️

Nvim save 现在的文件可以直接呼叫saveas 然后写全新文件和后缀就好了。

#匯總今日內容