Skip to main content
 首页 » 编程设计

python之使用来自单独文件的整数对 Pandas 数据框中的列进行分组

2024年11月24日10虾米姐

我想在一个文件中使用整数来相应地命名另一个文件中的列。例如:

文件 1

3 2 3 3 3 2 

文件 2

0.2 0.0 0.0 1.0 0.98 0.98 0.02 0.02 0.97  
0.4 0.4 0.3 2.0 0.30 0.03 0.30 0.93 0.39 

File1 中的第一个整数是 3,因此在 File2 中,我想将前三列(第 0 列之后)指定为 0_1、0_2、0_3。 File1 中的第二个整数是 2,因此 File2 中接下来的两列将指定为 1_1, 1_2。

预期的输出是:

  time  0_1  0_2  0_3   1_1   1_2   2_1   2_2   2_3    
   0.2  0.0  0.0  1.0  0.98  0.98  0.02  0.02  0.97  
   0.4  0.4  0.3  2.0  0.30  0.03  0.30  0.93  0.39 

当我按以下方式分配索引时,我最终得到的列编号相同 - 有没有办法可以实现所需的输出?

import pandas as pd 
import numpy as np 
import sys 
 
file1 = "nsubs" 
new = ['time'] 
 
file2 = sys.argv[1] 
 
df = pd.read_csv(file1, sep=" ", header=None) 
num = df.iloc[0].values.tolist() 
for idx, item in enumerate(num): 
    if item == 3: 
        new.append(idx) 
        new.append(idx[2]) 
        new.append(idx) 
    else: 
        new.append(idx) 
        new.append(idx) 
 
df2 = pd.read_csv(file2, sep=" ", header=None) 
df2.columns = [new] 

实际输出:

  time    0    0    0     1     1     2     2     2  
   0.2  0.0  0.0  1.0  0.98  0.98  0.02  0.02  0.97  
   0.4  0.4  0.3  2.0  0.30  0.03  0.30  0.93  0.39 

请您参考如下方法:

根据您拥有的数据,您实际上不需要 pandas 作为列标题。您可以将它们读入列表并对它们执行列表理解以获取标题。

读入文本文件,使用split函数将它们分开,然后转换为整数

with open('file1.txt', 'r') as f: 
    column_counts = [int(i) for i in f.read().split()] 
# [3, 2, 3, 3, 3, 2] 

然后你只需要创建一个简单的循环。使用 enumerate() 来计算集合的数量,并使用值对接下来的几列进行子集化。 for 循环用于演示,但我建议使用列表理解。

colums = ['time'] 
for i, n in enumerate(column_counts): 
    for j in range(1, n+1): 
        columns.append("{}_{}".format(i, j)) 
 
columns = ['time'] + ["{}_{}".format(i, j) for i, n in enumerate(column_counts) for j in range(1, n+1)] 
#['time', '0_1', '0_2', '0_3', '1_1', '1_2', '2_1', '2_2', '2_3', '3_1', '3_2', '3_3', '4_1', '4_2', '4_3', '5_1', '5_2'] 

在您的示例中,file1 生成的列列表比 file2 长得多,因此一旦我知道数据框需要多少列,我就必须将它们切掉。如果您的数据匹配它们,那么您可以在创建数据框时使用 columns=columns。

df = pd.read_csv('file2.txt', sep=" ", header=None) 
df.columns = columns[:len(df.columns)] 
df.set_index('time', inplace=True) 
 
print(df) 
#       0_1  0_2  0_3   1_1   1_2   2_1   2_2   2_3 
# time                                              
# 0.2   0.0  0.0  1.0  0.98  0.98  0.02  0.02  0.97 
# 0.4   0.4  0.3  2.0  0.30  0.03  0.30  0.93  0.39