Skip to main content
 首页 » 编程设计

python之分别循环遍历数据框的每一列

2025年02月15日8kenshinobiy

我目前正在处理从 Excel 导入的数据框。数据框的头部如下所示:

   CRED  ACBA  PAYMS PUR 
0     0     2   2    2 
1     0     4   2    2 
2     0     1   2    3 
3     1     1   2    2 
4     0     2   4    3 

当 CRED = 1 时,我将这个数据帧分割为一个较小的数据帧

df_CRED1 = df_original[df_original.CRED == 1] 

然后我将以下操作应用于“ACBA”列

list_frequency_cred1 = [df_CRED1['ACBA'].value_counts()] 
frequency_cred1_total = sum(df_CRED1['ACBA'].value_counts()) 
matrix_frequency_cred1 = DataFrame(data = list_frequency_cred1) 
matrix_frequency_cred1['Total'] = frequency_cred1_total  
matrix_frequency_cred1.rename(index = {'ACBA':'CRED1'}, inplace=True) 

为了得到下表:

        1   2  3   4  Total 
CRED1   9  11  1   7     28 

我现在想创建一个循环,将我在 ACBA 列上执行的这一系列操作应用到所有其他列,以便为每一列获取单独的频率表:

ACBA 
        1   2  3   4  Total 
CRED1   9  11  1   7     28 
 
PAYMS 
        1   2  3   4  Total 
CRED1   4   5  6   7     22 
 
etc...  

我不明白如何设置循环以便分别考虑每一列。稍后在我的代码中,我将不得不对同一个数据帧应用其他操作,因此我想了解底层逻辑(而不是查找与频率相关的函数)。谢谢

请您参考如下方法:

看起来这就是您想要做的,希望这不是矫枉过正:

创建测试数据:

import pandas as pd 
import numpy as np 
 
df = pd.DataFrame(np.random.randint(0, 5, (150, 4)), columns=['CRED', 'ACBA', 'PAYMS', 'PUR']) 
df.loc[:, ['ACBA', 'PAYMS', 'PUR']] = df[['ACBA', 'PAYMS', 'PUR']].replace(0, np.nan) 
df.head() 
 
CRED    ACBA    PAYMS   PUR 
0   4   1   2   NaN 
1   4   3   2   NaN 
2   1   NaN 1   3 
3   0   NaN NaN 3 
4   4   1   4   2 

计算值计数:

def get_value_counts(grp): 
    """Compute value counts for each column in DataFrame subset.""" 
    return grp.drop('CRED', axis=1).apply(pd.value_counts) 
 
vc = df.groupby('CRED').apply(get_value_counts) 
vc.head() 
 
          ACBA  PAYMS  PUR 
CRED                       
0    1.0     2      1    7 
     2.0     9      7    1 
     3.0     5      5   13 
     4.0     3      4    3 
1    1.0     7      7    6 

将值重新格式化为类别以包含总计:

vc = (vc 
      .reset_index(level=1) 
      .rename(columns={'level_1': 'VALUE'}) 
      .assign(VALUE=lambda frame: (frame.VALUE 
                                   .astype('int') 
                                   .astype('category') 
                                   .cat.add_categories(['Total']))) 
      .set_index('VALUE', append=True)) 
vc.columns.names = ['VARIABLE'] 
vc.head() 
 
VARIABLE    ACBA  PAYMS  PUR 
CRED VALUE                   
0    1         2      1    7 
     2         9      7    1 
     3         5      5   13 
     4         3      4    3 
1    1         7      7    6 

计算总计并在列中放置“总计”标签:

vc_totals = vc.groupby(level=0).sum().astype('int') 
idx = pd.MultiIndex.from_product([vc_totals.columns, ['Total']], names=['VARIABLE', 'VALUE']) 
vc_totals.columns = idx 
vc_totals.head() 
 
VARIABLE  ACBA PAYMS   PUR 
VALUE    Total Total Total 
CRED                       
0           19    17    24 
1           28    28    28 
2           27    22    26 
3           16    19    19 
4           33    31    26 

合并值计数及其总数:

vc_results = vc.unstack(fill_value=0).join(vc_totals).sort_index(axis=1, level=0) 
vc_results 
 
VARIABLE ACBA                  PAYMS                 PUR                   
VALUE       1  2   3   4 Total     1  2  3   4 Total   1   2   3   4 Total 
CRED                                                                       
0           2  9   5   3    19     1  7  5   4    17   7   1  13   3    24 
1           7  7   5   9    28     7  9  6   6    28   6   9   8   5    28 
2           7  2   8  10    27     5  7  4   6    22   5   6   5  10    26 
3           5  6   3   2    16     5  4  6   4    19   4   5   4   6    19 
4          13  6  11   3    33     7  9  4  11    31   2  11   5   8    26 

如果您只想让 CRED = 1:

vc_results.loc[1].unstack() 
 
VALUE     1  2  3  4  Total 
VARIABLE                    
ACBA      7  7  5  9     28 
PAYMS     7  9  6  6     28 
PUR       6  9  8  5     28