我有一个包含多列的 tsv 文件。有 10 列和更多列,但对我来说重要的列是名称为 user_name、shift_id、url_id 的列。我想创建一个数据框,首先根据 user_names 将整个 csv 文件分开,即只有具有相同 user_name 的行被组合在一起。从那个 block 我制作另一个 block ,其中只有具有特定 shift_id 的行被分组在一起,然后从那个 block 制作一个具有相同 url 的 block 。不幸的是,由于公司规定,我无法共享数据,并且制作一个假想的数据表可能会更加困惑。
其他两列有时间戳。我想计算 block 的持续时间,但只有在我根据这些列对 block 进行分组之后。
我看到了按特定列值拆分数据框的答案,但在我的例子中,我有三个列值,它们的分隔顺序也很重要。
感谢您的帮助!
请您参考如下方法:
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,设为 col1、col2 和 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
读取到dataframe后,上述所有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
希望对您有所帮助!
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,使用与上面类似的掩码:
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 X
