[英]pandas dataframe: swap column headings by index
我使用 pandas dataframe 到 plot Z628CB5675FF524F3E719B7AA2AE88FE3 用光谱仪采集的数据。
df = pd.read_csv("C:\\file.csv") # import file
output 表总是由对组成
样品 1 | 未命名:1 | 样品 2 | 未命名:2 | ... |
---|---|---|---|---|
波长 | 传输 1 | 波长 | 传输 2 | ... |
属于每个样本的一列(“样本 1”、“样本 2”、...),其中有关样本的相关信息存储在 header 中,但该列仅包含波长信息
一个编号列('Unnamed: 1', 'Unnamed: 2',...),实际上包含相关的测量信息
我现在想将数据显示为波长的 function。 如果我使用删除包含冗余波长信息的所有列
df = df.drop(data.columns[1,37], axis=1, inplace=False)
我丢失了有关标题中包含的样本的信息,我现在正在考虑交换列标题,然后删除我不需要的列。 我当然可以使用某些东西按名称交换列
df[['sample 1','Unnamed: 1']]=df[['Unnamed: 1','sample 1']]
但是我必须为每个有时包含超过 10 个配对列的新数据系列输入名称。
有没有办法通过索引交换标题? 或者你能想到一个更优雅的版本吗? 这种形式的表格数据 output,其中 header 总是跨越两列,当然不是孤立的情况。 非常感谢
我不确定您的确切意思(示例表中的一些模拟数据会很棒),但是假设现在每一行都是一个单独的 dataframe 并且每两列都是示例,这样的工作是否可行?
# sample data
df = pd.DataFrame({
'sample1':[23.1, 12.2, 15.8],
'Unnamed:1':['alpha','beta','gamma'],
'sample2':[12.1, 13.4, 11.1],
'Unnamed:2':['alpha','beta','gamma'],
'sample3':[0.1,0.43,0.29],
'Unnamed:3':['alpha','beta','gamma']
})
样品1 | 未命名:1 | 样品2 | 未命名:2 | 样品3 | 未命名:3 | |
---|---|---|---|---|---|---|
0 | 23.1 | α | 12.1 | α | 0.1 | α |
1 | 12.2 | 测试版 | 13.4 | 测试版 | 0.43 | 测试版 |
2 | 15.8 | 伽玛 | 11.1 | 伽玛 | 0.29 | 伽玛 |
# initiate a blank dataframe
new_df = pd.DataFrame()
# filter columns by the sample number, then append to new_f
n = 3 # number of samples
for i in range(1,n+1):
temp_df = df[[col for col in df.columns if f'{i}' in col]]
temp_df.columns = 'wavelength','transmission'
temp_df['sample'] = i
new_df = new_df.append(temp_df)
new_df = new_df.reset_index(drop=True)
Output:
波长 | 传播 | 样本 | |
---|---|---|---|
0 | 23.1 | α | 1 |
1 | 12.2 | 测试版 | 1 |
2 | 15.8 | 伽玛 | 1 |
3 | 12.1 | α | 2 |
4 | 13.4 | 测试版 | 2 |
5 | 11.1 | 伽玛 | 2 |
6 | 0.1 | α | 3 |
7 | 0.43 | 测试版 | 3 |
8 | 0.29 | 伽玛 | 3 |
所有数据关系仍然保留,您只需执行new_df.groupby('wavelength').mean()
即可找到每个波长的平均值。 用apply()
代替 mean 并根据需要添加您自己的 function。
您可以最轻松地操纵这些值,而不是整个 DataFrame。
假设您的数据是:
import pandas as pd
# Example data
df = pd.DataFrame([["sample 1", "Unnamed:1", "sample 2", "Unnamed:2"], [0.614, "transmission 1", 0.68168, "transmission 2"]])
0 | 1 | 2 | 3 | |
---|---|---|---|---|
0 | 样品 1 | 未命名:1 | 样品 2 | 未命名:2 |
1 | 0.614 | 传输 1 | 0.68168 | 传输 2 |
现在让我们保留我们想要的值及其列 header。
vals = df.values
new_df = pd.DataFrame(vals[1,::2], index= vals[0, ::2], columns=["wavelength")
new_df 现在是:
波长 | |
---|---|
样品 1 | 0.614 |
样品 2 | 0.68168 |
您可以将列标签分为两部分:偶数列和奇数列。 然后,在每对偶数列中交换它们的序列,如下所示:
swapped_cols = np.ravel([[y, x] for x, y in zip(df.columns[0::2], df.columns[1::2])])
这里, df.columns[0::2]
和df.columns[1::2]
包含偶数和奇数列。
print(swapped_cols)
['Unnamed:1' 'sample 1' 'Unnamed:2' 'sample 2']
情况1:如果您只想交换列标签,而不交换列内容,您可以执行以下操作:
df.columns = swapped_cols
结果:
print(df)
Unnamed:1 sample 1 Unnamed:2 sample 2
0 wavelengths transmission 1 wavelengths transmission 2
案例2:如果你想交换列序列(列标签和列内容交换在一起),你可以这样做:
df = df[swapped_cols]
结果:
print(df)
Unnamed:1 sample 1 Unnamed:2 sample 2
0 transmission 1 wavelengths transmission 2 wavelengths
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.