总结 pandas DataFrame
Summarize pandas DataFrame
我想总结一下pandas DataFrame文件。这个是这样的->
City Name Date
London Joey 1998
Vegas Chandler 1999
所以结果会是这样的。 1998 年，乔伊在伦敦。 1999 年，钱德勒在拉斯维加斯。
像这样的东西。有什么解决方法吗？或者哪些模块可以帮助我做到这一点？
谢谢。
有了这个 csv：
City,Name,Date
London,Joey,1998
Vegas,Chandler,1999
您可以使用以下代码：
import pandas as pd
df = pd.read_csv("test.csv")
for i in range(len(df)):
print(f"In {df.iloc[i,2]}, {df.iloc[i,0]} was in {df.iloc[i,1]}.")
它遍历数据帧的行，并使用字符串中的格式前缀使用 df.iloc.
打印包含每行值的句子
要解决这个问题，您实际上只需要遍历行即可。使用列表理解会比使用 `iterrows:
更快
如果要修改DataFrame：
在这里，我们使用 DataFrame.apply 来“应用”每一行的函数：
def format_row(row):
return f"In {row['Date']}, {row['Name']} was in {row['City']}."
df = df.apply(lambda r: format_row(r), axis=1)
print(df)
输出：
0 In 1998, Joey was in London.
1 In 1999, Chandler was in Vegas.
如果你想得到句子列表：
您可以定义一个格式化行的函数，如下所示：
def format_row(row):
return f"In {row[0]}, {row[1]} was in {row[2]}."
然后使用列表理解zip相应的行并将其传递给函数。
rows = [format_row(r) for r in zip(df["Date"], df["Name"], df["City"])]
如果这些列是 DataFrame 中唯一的列，使用 DataFrame.values 会更干净，但提供相同的输出：
rows = [format_row(r) for r in df.values]
在这种情况下，您必须在函数内交换索引值：
return f"In {row[2]}, {row[1]} was in {row[0]}."
给定数据
df=pd.DataFrame(data=[['London','Joey','1998'],['Vegas','Chandler','1999']],columns=['City','Name','Date'])
如果需要，可以添加一个新列作为摘要，或者您可以按照@gmdev 的建议将其放在列表中。
df['Summary']=df.apply(lambda x: 'In '+str(x.Date)+' '+str(x.Name)+' was in '+str(x.City),axis=1)
我想总结一下pandas DataFrame文件。这个是这样的->
City Name Date
London Joey 1998
Vegas Chandler 1999
所以结果会是这样的。 1998 年，乔伊在伦敦。 1999 年，钱德勒在拉斯维加斯。 像这样的东西。有什么解决方法吗？或者哪些模块可以帮助我做到这一点？ 谢谢。
有了这个 csv：
City,Name,Date
London,Joey,1998
Vegas,Chandler,1999
您可以使用以下代码：
import pandas as pd
df = pd.read_csv("test.csv")
for i in range(len(df)):
print(f"In {df.iloc[i,2]}, {df.iloc[i,0]} was in {df.iloc[i,1]}.")
它遍历数据帧的行，并使用字符串中的格式前缀使用 df.iloc.
要解决这个问题，您实际上只需要遍历行即可。使用列表理解会比使用 `iterrows:
更快如果要修改DataFrame：
在这里，我们使用 DataFrame.apply 来“应用”每一行的函数：
def format_row(row):
return f"In {row['Date']}, {row['Name']} was in {row['City']}."
df = df.apply(lambda r: format_row(r), axis=1)
print(df)
输出：
0 In 1998, Joey was in London.
1 In 1999, Chandler was in Vegas.
如果你想得到句子列表：
您可以定义一个格式化行的函数，如下所示：
def format_row(row):
return f"In {row[0]}, {row[1]} was in {row[2]}."
然后使用列表理解zip相应的行并将其传递给函数。
rows = [format_row(r) for r in zip(df["Date"], df["Name"], df["City"])]
如果这些列是 DataFrame 中唯一的列，使用 DataFrame.values 会更干净，但提供相同的输出：
rows = [format_row(r) for r in df.values]
在这种情况下，您必须在函数内交换索引值：
return f"In {row[2]}, {row[1]} was in {row[0]}."
给定数据
df=pd.DataFrame(data=[['London','Joey','1998'],['Vegas','Chandler','1999']],columns=['City','Name','Date'])
如果需要，可以添加一个新列作为摘要，或者您可以按照@gmdev 的建议将其放在列表中。
df['Summary']=df.apply(lambda x: 'In '+str(x.Date)+' '+str(x.Name)+' was in '+str(x.City),axis=1)