- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
如何在 python 中使用 csv 文件中的 groupby 进行求和运算,但从该 groupby 中排除一些非数字数据?例如。我有 csv 文件:
id | filename | #Line_Changed
-----------------------------------------------
1 | analyze/dir_list.txt | 16
2 | metrics/metrics1.csv | 11
3 | metrics/metrics2.csv | 15
4 | analyze/dir_list.txt | =>
5 | metrics/metrics1.csv | 11
6 | metrics/metrics2.csv | bin
7 | metrics/metrics2.csv | 4
8 | analyze/dir_list.txt | 4
我想按“文件名”列进行分组,并且仅计算仅包含数字数据的行的总和,并排除非数字数据。结果应该如下所示:
filename | SUM #Line_Changed
-----------------------------------------------
analyze/dir_list.txt | 20
metrics/metrics1.csv | 22
metrics/metrics2.csv | 19
到目前为止我做了什么:
df = pd.read_csv('diffhistogram.csv')
by_fn = df.groupby('filename')
mydata = {}
for name in ['#line_changed']:
mydata['SUM ' + name] = by_fn[name].sum()
output = pd.DataFrame(mydata)
print(output)
但输出假定“#line_changed”列中的数据为字符串:
filename | SUM #Line_Changed
-----------------------------------------------
analyze/dir_list.txt | 16=>4
metrics/metrics1.csv | 1111
metrics/metrics2.csv | 15bin4
有没有办法可以指定 sum() 运算中要包含哪些数字数据以及要排除哪些非数字数据?
最佳答案
我认为你需要to_numeric
使用参数 errors='coerce'
将非数字转换为 NaN
,然后 groupby
+ sum
忽略此行:
df = (pd.to_numeric(df['#Line_Changed'], errors='coerce')
.groupby(df['filename'])
.sum()
.to_frame()
.add_prefix('SUM ')
.reset_index())
print (df)
filename SUM #Line_Changed
0 analyze/dir_list.txt 20.0
1 metrics/metrics1.csv 22.0
2 metrics/metrics2.csv 19.0
或者分配给用于groupby
的新列:
df['SUM #Line_Changed'] = pd.to_numeric(df['#Line_Changed'], errors='coerce')
df = df.groupby('filename', as_index=False)['SUM #Line_Changed'].sum()
print (df)
filename SUM #Line_Changed
0 analyze/dir_list.txt 20.0
1 metrics/metrics1.csv 22.0
2 metrics/metrics2.csv 19.0
详细信息:
df['SUM #Line_Changed'] = pd.to_numeric(df['#Line_Changed'], errors='coerce')
print (df)
id filename #Line_Changed SUM #Line_Changed
0 1 analyze/dir_list.txt 16 16.0
1 2 metrics/metrics1.csv 11 11.0
2 3 metrics/metrics2.csv 15 15.0
3 4 analyze/dir_list.txt => NaN
4 5 metrics/metrics1.csv 11 11.0
5 6 metrics/metrics2.csv bin NaN
6 7 metrics/metrics2.csv 4 4.0
7 8 analyze/dir_list.txt 4 4.0
编辑:
如果想从原始DataFrame
中删除非数字行:
df['#Line_Changed'] = pd.to_numeric(df['#Line_Changed'], errors='coerce')
df = df.dropna(subset=['#Line_Changed'])
print (df)
id filename #Line_Changed
0 1 analyze/dir_list.txt 16.0
1 2 metrics/metrics1.csv 11.0
2 3 metrics/metrics2.csv 15.0
4 5 metrics/metrics1.csv 11.0
6 7 metrics/metrics2.csv 4.0
7 8 analyze/dir_list.txt 4.0
关于Python通过groupby进行求和运算,但排除非数字数据,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48971879/
给定输入: [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] 将数字按奇数或偶数分组,然后按小于或大于 5 分组。 预期输出: [[1, 3, 5], [2, 4], [6, 8, 10
编辑: @coldspeed、@wen-ben、@ALollz 指出了我在字符串 np.nan 中犯的新手错误。答案很好,所以我不删除这个问题来保留那些答案。 原文: 我读过这个问题/答案 What'
我试图概括我提出的问题 here . mlb 数据框看起来像 Player Position Salary Year 0 Mike Wit
我认为我不需要共享整个数据框,但基本上,这是有问题的代码行(当然,已经导入了 pandas) divstack = df[df['Competitor']=='Emma Slabach'].group
我面临下一个问题:我有组(按 ID),对于所有这些组,我需要应用以下代码:如果组内位置之间的距离在 3 米以内,则需要将它们添加在一起,因此将创建一个新组(代码如何创建我在下面显示的组)。现在,我想要
我有以下数据: ,dateTime,magnitude,occurrence,dateTime_s 1,2017-11-20 08:00:09.052260,12861,1,2017-11-20 08
我按感兴趣的列对 df 进行分组: grouped = df.groupby('columnA') 现在我只想保留至少有 5 名成员的组: grouped.filter(lambda x: len(x
数据是一个时间序列,许多成员 ID 与许多类别相关联: data_df = pd.DataFrame({'Date': ['2018-09-14 00:00:22',
选择 u.UM_TOKEN_NO 、u.UM_FULLNAME、u.SECTOR、u.department_name、t.TS_PROJECT_CODE、sum(t.TS_TOTAL_HRS) 来自
我有这两个表: +---------------+-------------+---------------------+----------+---------+ | items_ordered |
我正在使用 groupby 和 sum 快速汇总两个数据集 一个包含: sequence shares 1 100 2 200 3 50 1 2
这个问题在这里已经有了答案: list around groupby results in empty groups (3 个答案) itertools groupby object not out
我有一组行,我想按标识符的值进行分组 - 存在于每一行中 - 然后对将作为结果的组进行进一步的隔离处理。 我的数据框是这样的: In [50]: df Out[50]: groupkey b
假设您要在全局范围内销售产品,并且希望在某个主要城市的某个地方设立销售办事处。您的决定将完全基于销售数字。 这将是您的(简化的)销售数据: df={ 'Product':'Chair', 'Count
我有一个将数据分组两次的查询: var query = (from a in Context.SetA() from b in Context.SetB().Where(x => x.aId == a
我有一个这种格式的数据框: value identifier 2007-01-01 0.087085 55 2007-01-01 0.703249
这个问题在这里已经有了答案: python groupby behaviour? (3 个答案) 关闭 4 年前。 我有一个这样的列表 [u'201003', u'200403', u'200803
在 Python 中,我可以使用 itertools.groupby 将具有相同键的连续元素分组。 : >>> items = [(1, 2), (1, 5), (1, 3), (2, 9), (3,
无法翻译以下 GroupBy 查询并将引发错误:不支持客户端 GroupBy IEnumerable ids = new List { 1, 2, 3 }; var q = db.Comments.W
考虑一个 Spark DataFrame,其中只有很少的列。目标是对其执行 groupBy 操作,而不将其转换为 Pandas DataFrame。等效的 Pandas groupBy 代码如下所示:
我是一名优秀的程序员,十分优秀!