[英]Pandas dataframe conditional mean based on column names
从数据帧的样本开始,这将是最简单的解释:
TimeStamp 382.098 382.461 383.185 383.548
10:28:00 0.012448 0.012362 0.0124485 0.012362
10:30:00 0.0124135 0.0123965 0.0124135 0.012431
10:32:00 0.0551035 0.0551725 0.055931 0.0563105
10:34:00 0.055586 0.0557245 0.056655 0.0569485
10:36:00 0.055586 0.055776 0.0568105 0.057362
我希望我的输出是:
TimeStamp 382 383
10:28:00 0.012405 0.01240525
10:30:00 0.012405 0.01242225
10:32:00 0.05513 0.05612075
10:34:00 0.05565525 0.05680175
10:36:00 0.055681 0.05708625
因此,我想查看列名称值,如果它们等于整数,则希望输出col具有每个时间索引值的平均值。
我的想法是使用df.round将列标题四舍五入到最接近的整数,然后使用.mean()以某种方式将平均值= 0应用于相同的col标题。 但是,在数据框索引类型上使用round函数时出现错误。
编辑:根据答案,我用
df.rename(columns=dict(zip(df.columns[0:], df.columns[0:]\
.values.astype(float).round().astype(str))),inplace=True)
df = df.groupby(df.columns[0:], axis=1).mean()
而且它弄乱了列名和值,而不是给我基于列名的平均值……不知道为什么!
沿第一轴使用groupby
并使用lambda
。
df.set_index('TimeStamp', inplace=True)
df.groupby(by=lambda x: int(x.split('.')[0]), axis=1).mean()
382 383
TimeStamp
10:28:00 0.012405 0.012405
10:30:00 0.012405 0.012422
10:32:00 0.055138 0.056121
10:34:00 0.055655 0.056802
10:36:00 0.055681 0.057086
使用类型转换重命名列,将TimeStamp
移至索引,然后使用groupby
获取列的含义:
df.rename(columns=lambda x: int(float(x)) if x!="TimeStamp" else x, inplace=True)
df.set_index("TimeStamp", inplace=True)
df
382 382 383 383
TimeStamp
10:28:00 0.012448 0.012362 0.012448 0.012362
10:30:00 0.012414 0.012396 0.012414 0.012431
10:32:00 0.055103 0.055172 0.055931 0.056310
10:34:00 0.055586 0.055725 0.056655 0.056948
10:36:00 0.055586 0.055776 0.056810 0.057362
df.groupby(df.columns, axis=1).mean()
382 383
TimeStamp
10:28:00 0.012405 0.012405
10:30:00 0.012405 0.012422
10:32:00 0.055138 0.056121
10:34:00 0.055655 0.056802
10:36:00 0.055681 0.057086
使用np.floor
rename
和groupby
df.rename(columns=dict(zip(df.columns[1:], np.floor(df.columns[1:].values.astype(float)).astype(str))),inplace=True)
df.set_index('TimeStamp').groupby(level=0,axis=1).mean().reset_index()
Out[171]:
TimeStamp 382.0 383.0
0 10:28:00 0.012405 0.012405
1 10:30:00 0.012405 0.012422
2 10:32:00 0.055138 0.056121
3 10:34:00 0.055655 0.056802
4 10:36:00 0.055681 0.057086
另一种方法是通过pd.to_numeric
,只是@coldspeed答案的一个细微变化,即
df = df.set_index('TimeStamp')
df.groupby(pd.to_numeric(df.columns).astype(int),1).mean()
382 383
TimeStamp
10:28:00 0.012405 0.012405
10:30:00 0.012405 0.012422
10:32:00 0.055138 0.056121
10:34:00 0.055655 0.056802
10:36:00 0.055681 0.057086
广义解
df = pd.DataFrame({383.045:[1,2], 383.96:[3,4], 383.78:[5,5], 343:[9,11]})
df.columns = [int(i) for i in df.columns]
for i in set(df.columns):
if len(df[i].shape) == 2:
mean = df[i].T.sum()/float(df[i].shape[1])
df = df.drop([i],1)
df[i] = mean
要将列值四舍五入到最接近的整数,可以对列表理解进行分组,该理解将每列(除第一列即TimeStamp
)四舍五入到最接近的整数,然后采用整数:
>>> (df
.set_index('TimeStamp')
.groupby([int(round(col, 0)) for col in df.columns[1:].astype(float)], axis=1)
.mean())
382 383 384
TimeStamp
10:28:00 0.012405 0.012448 0.012362
10:30:00 0.012405 0.012414 0.012431
10:32:00 0.055138 0.055931 0.056310
10:34:00 0.055655 0.056655 0.056948
10:36:00 0.055681 0.056810 0.057362
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.