如何根据其他列的内容 select 数据框中的特定数据?

How do I select the specific data in a data frame based on thee contents of other columns?

我是 pandas 的新手,我目前正在尝试使用 qPython 在平板电脑上的数据集上使用它(临时情况,笔记本电脑正在修复)。我有一个 csv 文件,其中包含一组按国家、地区、市场和商品标签组织的数据,以及价格、年份和月份的附加列。这些是按以下方式列出的:

Country | Region |   Market   | Item Label | ... | Price | Year | Month |
Canada  | Quebec | Market No. | Item Name  | ... |  $$$  | 2002 |   1   |
Canada  | Quebec | Market No. | Item Name  | ... |  $$$  | 2002 |   2   |
Canada  | Quebec | Market No. | Item Name  | ... |  $$$  | 2002 |   3   |
Canada  | Quebec | Market No. | Item Name  | ... |  $$$  | 2002 |   4   |

等等。我正在寻找一种方法来绘制这些价格与时间的关系(我已将 month/12 添加到年份以有效合并最后一列)。

最初我有一个代码可以获取 csv 数据并将其放入字典中,如下所示:

{Country_Name: {Region_Name: {Market_Name: {Item_Name: {"Price": price_list, "Time": time_list}}}}}

并用于在键上循环以访问每个价格和时间列表。

但是,我很难使用 pandas 获得类似的结果:我尝试了很多不同的方法,例如 iloc、data[data.Country == "Canada"][data.Region == "Quebec"][...等来筛选每个国家、地区、市场和项目的数据,但都特别慢。数据集相当大(大约 12000 x 12),所以我不希望立即得到结果,但是有什么明显的我遗漏了吗?还是我应该等到我的笔记本电脑拿回来?

编辑:为了尝试提供更多背景信息,我尝试获取年月期间的价格,以绘制价格波动情况。我想根据国家、地区、市场和商品名称将它们分开,因此绘制的每条线将是一个国家/地区某个地区的市场中的不同商品。到目前为止,我有以下代码:

def abs_join_paths(*args):
    return os.path.abspath(os.path.join(*args))

def get_csv_data_frame(*path, memory = True):
    return pandas.read_csv(abs_join_paths(*path[:-1], path[-1] + ".csv"), low_memory = memory)

def get_food_data(*path):
    food_price_data = get_csv_data_frame(*path, memory = False)
    return food_price_data[food_price_data.cm_name != "Fuel (diesel) - Retail"]

food_data = get_food_data(data_path, food_price_file_name)

def plot_food_price_time_data(data, title, ylabel, xlabel, plot_style = 'k-'):
    plt.clf()
    plt.hold(True)
    data["mp_year"] += data["mp_month"]/12
    for country in data["adm0_name"].unique():
        for region in data[data.adm0_name == country]["adm1_name"].unique():
            for market in data[data.adm0_name == country][data.adm1_name == region]["mkt_name"]:
                for item_label in data[data.adm0_name == country][data.adm1_name == region][data.mkt_name == market]["cm_name"]:
                    current_data = data[data.adm0_name == country][data.adm1_name == region][data.mkt_name == market][data.cm_name == item_label]
                    #year = list(current_data["mp_year"])
                    #month = list(current_data["mp_month"])
                    #time = [float(y) + float(m)/12 for y, m in zip(year, month)]
                    plt.plot(list(current_data["mp_year"]), list(current_data["mp_price"]), plot_style)
                    print(list(current_data["mp_price"]))
    plt.savefig(abs_join_paths(imagepath, title + ".png"))

Edit2/tl;dr:我有一堆价格和时间,一个接一个地列在一长串中。如何使用 pandas 根据其他列的内容拆分它们?

干杯!

我不敢猜测,但看起来您可能正在遍历行(您说您正在使用 iloc)。这是 pandas 中最慢的操作。 Pandas 数据帧针对系列访问进行了优化。

如果您要绘图,您可以直接将 matplotlib 与 pandas 数据框一起使用,并使用 groupby 方法组合数据,而无需遍历数据框的行。

没有更多信息,很难具体回答您的问题。请查看对您的问题的评论。

groupby 函数成功了:

def plot_food_price_time_data(data, title, ylabel, xlabel, plot_style = 'k-'):
    plt.clf()
    plt.hold(True)
    group_data = data.groupby(["adm0_name", "adm1_name", "mkt_name", "cm_name"])
    for i in range(len(data)):
        print(data.iloc[i, [1, 3, 5, 7]])
        specific_data = group_data.get_group(tuple(data.iloc[i, [1, 3, 5, 7]]))
        plt.plot(specific_data["mp_price"], specific_data["mp_year"] + specific_data["mp_month"]/12)