在python 2.7中將數據拆分為交替的組
[英]Splitting data into alternating groups in python 2.7
問題描述
day city temperature windspeed event
2017-01-01 new york 32 6 Rain
2017-01-02 new york 36 7 Sunny
2017-01-03 new york 28 12 Snow
2017-01-04 new york 33 7 Sunny
2017-01-05 new york 31 7 Rain
2017-01-06 new york 33 5 Sunny
2017-01-07 new york 27 12 Rain
2017-01-08 new york 23 7 Rain
2017-01-01 mumbai 90 5 Sunny
2017-01-02 mumbai 85 12 Fog
2017-01-03 mumbai 87 15 Fog
2017-01-04 mumbai 92 5 Rain
2017-01-05 mumbai 89 7 Sunny
2017-01-06 mumbai 80 10 Fog
2017-01-07 mumbai 85 9 Sunny
2017-01-08 mumbai 89 8 Rain
2017-01-01 paris 45 20 Sunny
2017-01-02 paris 50 13 Cloudy
2017-01-03 paris 54 8 Cloudy
2017-01-04 paris 42 10 Cloudy
2017-01-05 paris 43 20 Sunny
2017-01-06 paris 48 4 Cloudy
2017-01-07 paris 40 14 Rain
2017-01-08 paris 42 15 Cloudy
2017-01-09 paris 53 8 Sunny
上面顯示了.txt文件。
我的目標是創建4個盡可能均勻分布的組，其中包含所有城市，這意味着每個組都有“紐約”，“孟買”，“巴黎”。
由於有25個數據，所以3組將有6行，而1組將有7行。
我現在要記住的是，由於數據已經按其城市進行了排序，因此我可以逐行讀取文本文件行，然后針對每一行，將其交替添加到4個組（G1-G4）中圖案。 意思是說，第一行將其添加到G1，然后第二行添加到G2，第三行添加到G3，第四行添加到G4，第五行將添加回到G1，第六行添加到G2，依此類推。 這樣可以確保所有組都具有全部3個城市。
是否可以通過這種方式進行編碼？
預期結果：
G1：第1行/第1行，第5行，第9行
G2：第2行，第6行，第10行，
G3：第3行，第7行，第11行
G4：第4行，第8行，第12行，依此類推。
3 個解決方案
解決方案1
2 已采納 2018-08-08 03:06:55
由於您的輸入已經排序，因此可以將字符串拆分為列表，然后使用4的步驟將它們切成薄片：
data = ''' 2017-01-01 new york 32 6 Rain
2017-01-02 new york 36 7 Sunny
2017-01-03 new york 28 12 Snow
2017-01-04 new york 33 7 Sunny
2017-01-05 new york 31 7 Rain
2017-01-06 new york 33 5 Sunny
2017-01-07 new york 27 12 Rain
2017-01-08 new york 23 7 Rain
2017-01-01 mumbai 90 5 Sunny
2017-01-02 mumbai 85 12 Fog
2017-01-03 mumbai 87 15 Fog
2017-01-04 mumbai 92 5 Rain
2017-01-05 mumbai 89 7 Sunny
2017-01-06 mumbai 80 10 Fog
2017-01-07 mumbai 85 9 Sunny
2017-01-08 mumbai 89 8 Rain
2017-01-01 paris 45 20 Sunny
2017-01-02 paris 50 13 Cloudy
2017-01-03 paris 54 8 Cloudy
2017-01-04 paris 42 10 Cloudy
2017-01-05 paris 43 20 Sunny
2017-01-06 paris 48 4 Cloudy
2017-01-07 paris 40 14 Rain
2017-01-08 paris 42 15 Cloudy
2017-01-09 paris 53 8 Sunny'''
lines = data.splitlines()
groups = [lines[i::4] for i in range(4)]
for g in groups:
print(g)
輸出：
[' 2017-01-01 new york 32 6 Rain', ' 2017-01-05 new york 31 7 Rain', ' 2017-01-01 mumbai 90 5 Sunny', ' 2017-01-05 mumbai 89 7 Sunny', ' 2017-01-01 paris 45 20 Sunny', ' 2017-01-05 paris 43 20 Sunny', ' 2017-01-09 paris 53 8 Sunny']
[' 2017-01-02 new york 36 7 Sunny', ' 2017-01-06 new york 33 5 Sunny', ' 2017-01-02 mumbai 85 12 Fog', ' 2017-01-06 mumbai 80 10 Fog', ' 2017-01-02 paris 50 13 Cloudy', ' 2017-01-06 paris 48 4 Cloudy']
[' 2017-01-03 new york 28 12 Snow', ' 2017-01-07 new york 27 12 Rain', ' 2017-01-03 mumbai 87 15 Fog', ' 2017-01-07 mumbai 85 9 Sunny', ' 2017-01-03 paris 54 8 Cloudy', ' 2017-01-07 paris 40 14 Rain']
[' 2017-01-04 new york 33 7 Sunny', ' 2017-01-08 new york 23 7 Rain', ' 2017-01-04 mumbai 92 5 Rain', ' 2017-01-08 mumbai 89 8 Rain', ' 2017-01-04 paris 42 10 Cloudy', ' 2017-01-08 paris 42 15 Cloudy']
解決方案2
1 2018-08-08 02:57:58
我只保留行索引以便於說明
rows = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25]
然后可以使用切片
G1, G2, G3, G4 = [rows[i::4] for i in range(4)]
結果將是
G1 == [1, 5, 9, 13, 17, 21, 25]
G2 == [2, 6, 10, 14, 18, 22]
G3 == [3, 7, 11, 15, 19, 23]
G4 == [4, 8, 12, 16, 20, 24]]
解決方案3
1 2018-08-08 03:07:24
您可以使用pandas和一些數學運算來復制您的組。
n, r = df.shape[0] // 4, df.shape[0] % 4
df['group'] = [1,2,3,4]*n + [1,2,3,4][:r]
day city temperature windspeed event group
0 2017-01-01 new york 32 6 Rain 1
1 2017-01-02 new york 36 7 Sunny 2
2 2017-01-03 new york 28 12 Snow 3
3 2017-01-04 new york 33 7 Sunny 4
4 2017-01-05 new york 31 7 Rain 1
5 2017-01-06 new york 33 5 Sunny 2
6 2017-01-07 new york 27 12 Rain 3
7 2017-01-08 new york 23 7 Rain 4
8 2017-01-01 mumbai 90 5 Sunny 1
9 2017-01-02 mumbai 85 12 Fog 2
10 2017-01-03 mumbai 87 15 Fog 3
11 2017-01-04 mumbai 92 5 Rain 4
12 2017-01-05 mumbai 89 7 Sunny 1
13 2017-01-06 mumbai 80 10 Fog 2
14 2017-01-07 mumbai 85 9 Sunny 3
15 2017-01-08 mumbai 89 8 Rain 4
16 2017-01-01 paris 45 20 Sunny 1
17 2017-01-02 paris 50 13 Cloudy 2
18 2017-01-03 paris 54 8 Cloudy 3
19 2017-01-04 paris 42 10 Cloudy 4
20 2017-01-05 paris 43 20 Sunny 1
21 2017-01-06 paris 48 4 Cloudy 2
22 2017-01-07 paris 40 14 Rain 3
23 2017-01-08 paris 42 15 Cloudy 4
24 2017-01-09 paris 53 8 Sunny 1
python pandas 使用 keras 規范化列，然后拆分為組
[英]python pandas normalize column with keras, then splitting to groups
根據python pandas數據幀中列的狀態更改，將時間序列數據拆分為組
[英]Splitting time series data into groups based on a changes in state on a column in a python pandas dataframe
聲明:本站的技術帖子網頁，遵循CC BY-SA 4.0協議，如果您需要轉載，請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.