Recibo este error cuando trato de usar el atributo .ix de un marco de datos de pandas para extraer una columna, por ejemplo, df.ix[:, 'col_header']
.
AttributeError: 'DataFrame' object has no attribute 'ix'
El script funcionó esta mañana, pero esta tarde lo ejecuté en un nuevo entorno Linux con una instalación nueva de Pandas. ¿Alguien más ha visto este error antes? He buscado aquí y en otros lugares pero no lo encuentro.
Una instalación nueva hoy (30 de enero de 2020) instalaría pd.__version__ == '1.0.0'
. Con eso viene la eliminación de muchas características obsoletas .
Se eliminaron Series.ix y DataFrame.ix (GH26438)
tuve el mismo problema con pandas 1.0.0, esto funcionó para mí
Abra Anaconda Prompt (cmd) como administrador, luego
conda instalar pandas==0.25.1
¡Tu versión más nueva de pandas será sobrescrita por la anterior!
una columna:
df[['sepal width']]
Dos columnas:
df[['sepal width','petal width']]
columnas especiales (la columna seleccionada incluye 'longitud'):
df[[c for c in df.columns if 'length' in c]]
intente df.iloc[:, integer]
.ix
está en desuso
Por cierto, df.loc[:,'col_header']
es para str o indexación booleana
Cambie .ix a .loc y debería funcionar correctamente.
Usé .loc() en lugar de .ix() y funcionó.
Intente los siguientes pasos: 1) instale una nueva versión de Pandas 2) use .loc en lugar de .ix
Estoy leyendo el libro 'Python para el análisis de datos' de Wes McKinney y me encontré con el mismo problema de Dataframe.ix[] al recuperar las filas con index. Reemplazo ix por iloc y funciona perfectamente.
Estoy usando .ix porque tengo indexación mixta, etiquetas y números enteros. .loc() no resuelve el problema tan bien como .iloc; ambos están terminando en errores. Estaba usando intencionalmente .ix porque era el carril rápido cuando el índice es una combinación de números enteros y etiquetas.
Como ejemplo un df como:
Mi salida es hacer una copia de seguridad de las columnas y el índice, reemplazar con números enteros, usar .iat y luego restaurar el df como estaba al principio. tengo algo como:
# Save the df and replace indec and columns with integers lista_colonne = list(df.columns) df.columns = range(0,len(lista_colonne)) nome_indice = df.index.name lista_indice = list(df.index) df['Indice'] = range(0,len(lista_indice)) df.index = df['Indice'] del df['Indice'] ... indexing here with .iat in place of .ix # Now back as it was df.columns = lista_colonne df['Indice'] = lista_indice df.index = df['Indice'] del df['Indice'] df.index.name = nome_indice
Adiós Fabio.
Tuve que hacer esto:
returns.ix['2015-01-01':'2015-12-31'].std()
Después de mucho ruido, lo hice posible usando esto:
returns.xs(key='2015',axis=0).std()
Creo que al menos para este caso podemos usar la sección transversal y filtrar usando 2015 como clave.
Sí, eso es correcto. Reemplace df.ix[]
con df.iloc[]
o df.loc[]
esto funciona para mi
Utilice df.loc[] en lugar de ix[]
reemplace .ix con .iloc después de reemplazarlo, también funciona bien para mí
predicciones_ARIMA_log = pd.Series(ts_log.iloc[0], index=ts_log.index)
como ix se elimina
utilice iloc o loc en lugar de ix.
use .loc si tiene cadenas o indexación definida por el usuario.