regions = ['Томская область', 'Московская область', 'Ленинградская область']
cities = ['Томск', 'Москва', 'Санкт-Петербург']
pop = [1051, 8594, 2027]
for region, city, population in zip(regions, cities, pop):
print(f'{region}: столица {city}, население {population} тыс. человек')for vivod in city.split():
if vivod.startswith('G') and int(city.strip().replace('\\','').split(" ")[-1])>500000:
print(vivod)metrics_df[[
"same_intervals_between_requests"df[["time_local", "id_session"]].groupby("id_session").apply(count_metric_using_shift)df = pd.DataFrame({
'Cat':['A','A','B','A','B'],
'Num1':[1,2,3,4,5],
'Num2':[6,7,8,9,10]
})
df[['A','B']] = df[['Cat']].groupby('Cat').apply('mean')df= pd.DataFrame({'time':pd.date_range('2023-03-22', periods=48, freq='H')})
bins = [0,5,11,16,22,24]
labels = ['Ночь', 'Утро','День','Вечер','Ночь']
df['session'] = pd.cut(df['time'].dt.hour, bins=bins, labels=labels, include_lowest=True,ordered=False)
dffrom itertools import zip_longest
print(list(zip(*zip_longest(*testList, fillvalue=None))))df[df.name.str.contains('i3|oem', regex=True, case=False)])df = pd.DataFrame({
'name':['23i3f','dOemf','25','s2f5','df5'],
'amount':[1,2,3,4,5]
})
print(df[df.name.str.contains('i3|oem',regex=True,flags=re.IGNORECASE)])import pandas as pd
df = pd.DataFrame(data)
df.to_csv('file.csv')Гуглил, находил информацию только уже через собранные данные в словаре/массиве, а не циклично дописывались постоянноНу так правильно у данных должна быть структура соответствующая что бы в excel писалось по столбцам. еще удобнее это создавать новый pandas фрейм в цикле (для каждых новых данных) и добавлять через него в excel. У него есть метод to_excel у него есть параметр mode там можно поставить 'a' что бы файл не перезаписывался а строки добавлялись туда, а также параметр header его можно поставить в False что бы имена столбцов не писались и других куча что бы проблем не возникло. Примеров документация статьи в интернете.
Features, предоставленные мне для этой задачи, как я уже написал, обезличенные, поэтому они все нужные
Мне нужно построить модель, которая будет предсказывать будущий статус.Что значит будущий речь идет о временной последовательности, а не о классической классификации?. Тогда препроцессинг должен быть сделан совершенно другой начиная от сплитов и т.д. В таком случае все данные нужно агрегировать разными функциями в пределах окна и на них учить, обязательно это проясните.
W1 = np.random.randn(IND, HD)
b1 = np.random.randn(HD)
W2 = np.random.randn(HD, OUTD)
b2 = np.random.randn(OUTD)result = []
for url in urls:
r = requests.get(url)
soup = BeautifulSoup(r.content, 'html.parser')
status = soup.find('div', class_='closed')
titles = soup.find('h1', class_='section_hero__title')
id= soup.find('p', class_='numer_id')
result.append((url, status, titles, id))import csv
with open('file.csv', mode='w') as file:
writer = csv.writer(file, delimiter=',', quotechar='"', quoting=csv.QUOTE_MINIMAL)
writer.writerow(['url','status','titles','id'])
writer.writerows(result)writer.writerow(['url','status','titles','id']) из кода. import pandas as pd
df = pd.DataFrame(data=result,columns = ['url','status','titles','id'])
df.to_csv('file.csv')link.find('a')['href']for span in zap.find_all('span', class_="sub", limit = 3):
for link in span.find_all('a',href=True):
print(link['href'])final_df = pd.concat([df1,df2], ignore_index=True)
final_df.to_excel('имя файла')