我有一个包含多列的tsv文件。有10个或更多的列,但对我来说重要的列是那些名称为user_name、shift_id、url_id的列。我想创建一个数据框,它首先根据user_names分隔整个csv文件,也就是说,只有具有相同user_name的行被组合在一起。从这个区块中,我创建了另一个区块,其中只有具有特定shift_id的行被分组在一起,然后从该区块中生成具有相同url的区块。不幸的是,由于公司的规定,我不能共享数据,而且创建一个虚构的数据表可能会更令人困惑。
另外两列有时间戳。我想要计算区块的持续时间,但仅在我根据这些列对区块进行分组之后。
我见过按特定列值拆分数据帧的答案,但在我的示例中,我有三个列值,它们的分隔顺序也很重要。
谢谢你的帮助!
发布于 2017-06-19 12:23:41
假设您将列读取到dataframe
df = pd.DataFrame({'col1':[1,2,3], 'col2':[4,5,6],'col3':[7,8,9],
'col4':[1,2,3],'col5':[1,2,3],'col6':[1,2,3],
'col7':[1,2,3],'col8':[1,2,3],'col9':[1,2,3],
'col91':[1,2,3]})
print(df)输出:
col1 col2 col3 col4 col5 col6 col7 col8 col9 col91
0 1 4 7 1 1 1 1 1 1 1
1 2 5 8 2 2 2 2 2 2 2
2 3 6 9 3 3 3 3 3 3 3现在,我们只能选择三个感兴趣的列,让它为col1, col2, and col3
tmp_df = df[['col1', 'col2', 'col3']]
print(tmp_df)输出:
col1 col2 col3
0 1 4 7
1 2 5 8
2 3 6 9此外,我们希望根据三个列值进行过滤:
final_df = tmp_df[(tmp_df.col1 == 1) & (tmp_df.col2 == 4) & (tmp_df.col3== 7)]
print(final_df)输出:
col1 col2 col3
0 1 4 7读完dataframe后,上述步骤都可以在一行中完成:
final = df[['col1', 'col2', 'col3']][(df.col1 == 1) & (df.col2 == 4) & (df.col3== 7)]
final希望它能帮上忙!
更新:
df = pd.DataFrame({'col1':[1,1,1,1,1], 'col2':[4,4,4,4,7],'col3':[7,7,9,7,7],
'col4':['X','X','X','X','X'],'col5':['X','X','X','X','X'],'col6':['X','X','X','X','X'],
'col7':['X','X','X','X','X'],'col8':['X','X','X','X','X'],'col9':['X','X','X','X','X'],
'col91':['X','X','X','X','X']})
print(df)输出:
col1 col2 col3 col4 col5 col6 col7 col8 col9 col91
0 1 4 7 X X X X X X X
1 1 4 7 X X X X X X X
2 1 4 9 X X X X X X X
3 1 4 7 X X X X X X X
4 1 7 7 X X X X X X X现在,使用类似于上面的掩码:
final = df[(df.col1 == 1) & (df.col2 == 4) & (df.col3== 7)]
final输出:
col1 col2 col3 col4 col5 col6 col7 col8 col9 col91
0 1 4 7 X X X X X X X
1 1 4 7 X X X X X X X
3 1 4 7 X X X X X X Xhttps://stackoverflow.com/questions/44621858
复制相似问题