python - 按组 Python 拆分 Dataframe

Question

我有一个 CSV 文件，其中包含来自偏好实验的评分数据。该文件相当基本，有 5 行，其中我需要 4 行(参与者、图像、流畅度、评级和版本)

我创建了一个数据框来隔离我需要的列，并按流畅度(1 和 4)分割框架，这样我就可以获得每个流畅度的组平均评分。

我无法弄清楚如何分割每个参与者的文件(每个人每个流利程度有 2 个偏好评级)以获得个人评级。

下面是我的代码供引用。

我在编码方面还很陌生，所以这可能不是最有效的方法。

谢谢

import pandas as pd
import numpy as np
# create dataframe from csv file and import only the colums you want
df = pd.read_csv('Pre-experiment.csv', usecols=[0,2,3,4])



pre_fluent = df[df['Fluency']== 1]
pre_disfluent = df[df['Fluency']==4]
pre_version1 = df[df['Version']==1]
pre_version2 = df[df['Version']==2]

print (pre_fluent)
print (pre_disfluent)
pre_mean_fluent = np.mean(pre_fluent)
pre_mean_disfluent = np.mean(pre_disfluent)
print (pre_mean_fluent)
print (pre_mean_disfluent)

df1 = pd.read_csv('Post-experiment.csv', usecols=[0,2,3,4])
#print (df)


post_fluent = df1[df['Fluency']== 1]
post_disfluent = df1[df['Fluency']==4]
post_version1 = df1[df['Version']==1]
post_version2 = df1[df['Version']==2]

print ("Dataframe sortted by fluency: {}".format(post_fluent))
print (post_disfluent)

post_mean_fluent = np.mean(post_fluent)
post_mean_disfluent = np.mean(post_disfluent)
print ("Post_Fluent Mean:   {}".format(post_mean_fluent))
print ("Post_Disfluent Mean: {}".format(post_mean_disfluent))

Answer 1

可能的答案

尚不完全清楚您要查找的内容，但如果您需要按参与者对数据帧进行分组，请尝试使用 df.set_index 将其设置为索引:

df.set_index('Participant', inplace=True)

假设您有参与者 A 和 B。您可以通过 df.loc 获取参与者 A 的所有 Fluency 值或df.iloc (用于按位置而不是名称进行引用):

fluency_A = df.loc['A']['Fluency']  # or df.loc['A', 'Fluency']

这可能在一定程度上取决于您的实际数据的格式，但希望它能让您接近您正在寻找的内容。

一个工作示例

# Make up some data that we can read into our dataframe.
data = io.StringIO("""Participant,Fluency,Other
A,1,5
A,2,5
B,3,6
B,4,6""")
# Read the data, set the index, and get Fluency for "A".
df = pd.read_csv(data)
df.set_index('Participant', inplace=True)
df.loc['A']['Fluency']
# Participant
# A    1
# A    2
# Name: Fluency, dtype: int64

编辑:正如评论中提到的，您也可以使用df.loc['A', 'Fluency']，但我遇到了一些问题当我有一个复杂的多索引时，我自己的工作中就会用到这个。这里使用的格式:df.loc[index_specation][column_specation] 似乎对我来说更一致。