熊猫数据组合/组合栏？

Question

我对Pandas很陌生，弄清楚数据集的时间也很糟糕。我在使用pandas.read_csv，dogData中读到了一个csv文件，如下所示：

​

​

列名是狗的品种，第一行指的是狗的大小，除此之外还有一堆数值。第一列有我需要保留的字符串描述，但与问题无关。每个大小类别的最后一列包含单独的“平均值”值。(注意，它将“Average.1”、"Average.2“等列改为"Average.1"，以照顾它们不是唯一的)

基本上，我想按第一行“分组”-所以所有的“小”狗值都将被平均，除了“小”平均列，等等。结果会是这样的：

​

​

现有的“平均”列不应包括在正在计算的新平均值中。每个大小的现有“平均”列根本不需要更改。所有“小”品种值应平均，所有“中等”品种值应平均，依此类推(实际文件比我在这里展示的示例大得多)。

不能保证品种不会被改变，也不能保证“大小”保持不变/总是被包括在内(例如，“小”可能被忽略)。

编辑:在Joe的评论之后，我已经更新了我的代码，并有了一些更接近于工作的内容，但是实际添加的列给我带来了麻烦。

dogData = pd.read_csv("dogdata.csv", header=[0,1])
dogData.columns = dogData.columns.map("_".join)

totalVal = ""
count = 0

for col in dogData:
    if "Unnamed" in col:
        continue  # to skip starting columns
    if "Average" not in col:
        totalVal += dogData[col]
        count += 1
    else:
        # this is where I'd calculate average, then reset count and totalVal
        # right now, because the addition isn't working, I'm haven't figured that out
        break

print(totalVal)

现在，这段代码在技术上得到了正确的值..。但是它不允许我在数字上添加它们(因此totalVal现在是一个字符串)。它给了我一串级联的数字，正确的级联数字，但不允许我将它们转换为浮动以实际添加。

我尝试过为float(dogData[col])加法行做totalVal --它给了我一个TypeError: cannot convert the series to <class float>

我试着把它保持为字符串，在数字之间插入"，“，然后执行totalVal.split(",")将它们分开，然后转换和添加.但很明显这也不起作用，因为AttributeError: 'Series' has no attribute 'split'

这些错误对我来说是有意义的，我理解为什么会发生这些错误，但我不知道正确的方法是什么。dogData[col]一次给出每一行的所有值，这正是我想要的，但我不知道如何存储它，并将其添加到循环的下一次迭代中。

以下是数据的副本/可传递示例：

,Corgi,Yorkie,Pug,Average,Average,Dalmation,German Shepherd,Average,Great Dane,Average  
,Small,Small,Small,Small,Medium,Large,Large,Large,Very Large,Very Large  
Words,1,3,3,3,2.4,3,5,7,7,7  
Words1,2,2,4,4,2.2,4,4,6,8,8  
Words2,2,1,5,3,2.5,5,3,8,9,6  
Words3,1,4,4,2,2.7,6,6,5,6,9  

Answer 1

你得做些小把戏才能让这件事起作用。步骤1:您需要读取csv文件并使用前两行作为头。它将创建一个MultiIndex列列表。

步骤2:您需要将它们与_一起加入。

步骤3:然后根据需要重命名特定的列，如Step，M-Average，.

步骤4:找出有多少列有狗名+小

步骤5:计算小值。根据req，sum (列与小)/ count (列与小)

步骤6.7:对大型用户进行同样的操作

步骤8,9:对非常大的

这会给你最后的名单。如果希望列按特定顺序排列，则可以更改顺序。

步骤10:更改dataframe的顺序

import pandas as pd
df = pd.read_csv('abc.txt',header=[0,1], index_col=0)
df.columns = df.columns.map('_'.join)
df.rename(columns={'Average_Small': 'S-Average',
                   'Average_Medium': 'M-Average',
                   'Average_Large': 'L-Average',
                   'Average_Very Large': 'Very L-Average'}, inplace = True)

idx = [i for i,x in enumerate(df.columns) if x.endswith('_Small')]
if idx:
    df['Small']= ((df.iloc[:, idx].sum(axis=1))/len(idx)).round(2)
    df.drop(df.columns[idx], axis = 1, inplace = True)

idx = [i for i,x in enumerate(df.columns) if x.endswith('_Large')]
if idx:
    df['Large']= ((df.iloc[:, idx].sum(axis=1))/len(idx)).round(2)
    df.drop(df.columns[idx], axis = 1, inplace = True)

idx = [i for i,x in enumerate(df.columns) if x.endswith('_Very Large')]
if idx:
    df['Very_Large']= ((df.iloc[:, idx].sum(axis=1))/len(idx)).round(2)
    df.drop(df.columns[idx], axis = 1, inplace = True)

df = df[['Small', 'S-Average', 'M-Average', 'L-Average', 'Very L-Average', 'Large', 'Very_Large', ]]

print (df)

这方面的产出如下：

        Small  S-Average  M-Average  ...  Very L-Average  Large  Very_Large
Words    2.33          3        2.4  ...               7    4.0         7.0
Words1   2.67          4        2.2  ...               8    4.0         8.0
Words2   2.67          3        2.5  ...               6    4.0         9.0
Words3   3.00          2        2.7  ...               9    6.0         6.0