- 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?
我有以下数据:
,dateTime,magnitude,occurrence,dateTime_s
1,2017-11-20 08:00:09.052260,12861,1,2017-11-20 08:00:09.000000
2,2017-11-20 08:00:09.052270,12868.12,1,2017-11-20 08:00:09.000000
3,2017-11-20 08:00:09.052282,12868.12,1,2017-11-20 08:00:09.000000
4,2017-11-20 08:00:09.052291,12867.5,2,2017-11-20 08:00:09.000000
5,2017-11-20 08:00:09.052315,12867.5,4,2017-11-20 08:00:09.000000
6,2017-11-20 08:00:09.052315,12867,1,2017-11-20 08:00:09.000000
7,2017-11-20 08:00:09.052315,12865.5,1,2017-11-20 08:00:09.000000
8,2017-11-20 08:00:09.052315,12865.89,1,2017-11-20 08:00:09.000000
9,2017-11-20 08:00:12.064744,12867.5,1,2017-11-20 08:00:12.000000
10,2017-11-20 08:00:12.131555,12868.5,2,2017-11-20 08:00:12.000000
11,2017-11-20 08:00:12.333511,12868.5,4,2017-11-20 08:00:12.000000
12,2017-11-20 08:00:12.333511,12869.95,2,2017-11-20 08:00:12.000000
13,2017-11-20 08:00:12.341516,12869.5,1,2017-11-20 08:00:12.000000
14,2017-11-20 08:00:12.343538,12868.5,1,2017-11-20 08:00:12.000000
15,2017-11-20 08:00:12.343538,12868.17,5,2017-11-20 08:00:12.000000
16,2017-11-20 08:00:12.343538,12867.5,2,2017-11-20 08:00:12.000000
17,2017-11-20 08:00:14.148704,12882.5,1,2017-11-20 08:00:14.000000
18,2017-11-20 08:00:14.148748,12882.5,1,2017-11-20 08:00:14.000000
19,2017-11-20 08:00:14.218977,12883.66,1,2017-11-20 08:00:14.000000
20,2017-11-20 08:00:14.218977,12883.5,1,2017-11-20 08:00:14.000000
21,2017-11-20 08:00:14.385283,12882.09,1,2017-11-20 08:00:14.000000
22,2017-11-20 08:00:14.388518,12881.5,1,2017-11-20 08:00:14.000000
23,2017-11-20 08:00:14.577002,12882.5,1,2017-11-20 08:00:14.000000
我使用以下代码按时间聚合它(因为它是 milis,我需要按秒计算。
import pandas as pd
import numpy as np
df = pd.read_csv('C:/Users/Data/test.csv')
print(df.head(30))
groups = df.groupby('dateTime_s')
df_grouped = (groups.agg({
'magnitude': np.mean,
'occurrence': np.sum,
}))
print(df_grouped.head())
结果很好:
magnitude occurrence
dateTime_s
2017-11-20 08:00:09.000000 12866.328750 12
2017-11-20 08:00:12.000000 12868.515000 18
2017-11-20 08:00:14.000000 12882.607143 7
但是对于我的研究,我需要添加最频繁的震级及其出现次数。如何进行分组(在当前分组内)并计算频率最高的幅度并显示幅度和频率?
我正在寻找这样的结果:
groupby magnitude
dateTime_s magnitude occurrence max sum
2017-11-20 08:00:09.000000 12866.32875 12 12867.5 6
2017-11-20 08:00:12.000000 12868.515 18 12868.5 7
2017-11-20 08:00:14.000000 12882.607143 7 12882.5 3
最佳答案
我相信您需要自定义函数来按最高幅度
值计算发生
值的总和
:
groups = df.groupby('dateTime_s')
df_grouped = (groups.agg({
'magnitude': np.mean,
'occurrence': np.sum,
}))
#print (df_grouped)
def f(x):
a = x['magnitude'].value_counts().index[0]
b = x.loc[x['magnitude'] == a, 'occurrence'].sum()
return pd.Series([a,b],['max magn','freq oc'])
df_grouped1 = groups.apply(f)
#print (df_grouped1)
df = pd.concat([df_grouped, df_grouped1], axis=1)
print (df)
magnitude occurrence max magn freq oc
dateTime_s
2017-11-20 08:00:09 12866.328750 12 12867.5 6.0
2017-11-20 08:00:12 12868.515000 18 12868.5 7.0
2017-11-20 08:00:14 12882.607143 7 12882.5 3.0
或者仅自定义函数:
groups = df.groupby('dateTime_s')
def f(x):
a = x['magnitude'].value_counts().index[0]
b = x.loc[x['magnitude'] == a, 'occurrence'].sum()
c = x['magnitude'].mean()
d = x['occurrence'].sum()
return pd.Series([a,b,c,d],['max magn','freq oc', 'mean', 'sum'])
df_grouped1 = groups.apply(f)
print (df_grouped1)
max magn freq oc mean sum
dateTime_s
2017-11-20 08:00:09 12867.5 6.0 12866.328750 12.0
2017-11-20 08:00:12 12868.5 7.0 12868.515000 18.0
2017-11-20 08:00:14 12882.5 3.0 12882.607143 7.0
关于python - pandas 如何在 groupby 内进行 groupby,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48849930/
pandas.crosstab 和 Pandas 数据透视表似乎都提供了完全相同的功能。有什么不同吗? 最佳答案 pivot_table没有 normalize争论,不幸的是。 在 crosstab
我能找到的最接近的答案似乎太复杂:How I can create an interval column in pandas? 如果我有一个如下所示的 pandas 数据框: +-------+ |
这是我用来将某一行的一列值移动到同一行的另一列的当前代码: #Move 2014/15 column ValB to column ValA df.loc[(df.Survey_year == 201
我有一个以下格式的 Pandas 数据框: df = pd.DataFrame({'a' : [0,1,2,3,4,5,6], 'b' : [-0.5, 0.0, 1.0, 1.2, 1.4,
所以我有这两个数据框,我想得到一个新的数据框,它由两个数据框的行的克罗内克积组成。正确的做法是什么? 举个例子:数据框1 c1 c2 0 10 100 1 11 110 2 12
TL;DR:在 pandas 中,如何绘制条形图以使其 x 轴刻度标签看起来像折线图? 我制作了一个间隔均匀的时间序列(每天一个项目),并且可以像这样很好地绘制它: intensity[350:450
我有以下两个时间列,“Time1”和“Time2”。我必须计算 Pandas 中的“差异”列,即 (Time2-Time1): Time1 Time2
从这个 df 去的正确方法是什么: >>> df=pd.DataFrame({'a':['jeff','bob','jill'], 'b':['bob','jeff','mike']}) >>> df
我想按周从 Pandas 框架中的列中累积计算唯一值。例如,假设我有这样的数据: df = pd.DataFrame({'user_id':[1,1,1,2,2,2],'week':[1,1,2,1,
数据透视表的表示形式看起来不像我在寻找的东西,更具体地说,结果行的顺序。 我不知道如何以正确的方式进行更改。 df示例: test_df = pd.DataFrame({'name':['name_1
我有一个数据框,如下所示。 Category Actual Predicted 1 1 1 1 0
我有一个 df,如下所示。 df: ID open_date limit 1 2020-06-03 100 1 2020-06-23 500
我有一个 df ,其中包含与唯一值关联的各种字符串。对于这些唯一值,我想删除不等于单独列表的行,最后一行除外。 下面使用 Label 中的各种字符串值与 Item 相关联.所以对于每个唯一的 Item
考虑以下具有相同名称的列的数据框(显然,这确实发生了,目前我有一个像这样的数据集!:() >>> df = pd.DataFrame({"a":range(10,15),"b":range(5,10)
我在 Pandas 中有一个 DF,它看起来像: Letters Numbers A 1 A 3 A 2 A 1 B 1 B 2
如何减去两列之间的时间并将其转换为分钟 Date Time Ordered Time Delivered 0 1/11/19 9:25:00 am 10:58:00 am
我试图理解 pandas 中的下/上百分位数计算,但有点困惑。这是它的示例代码和输出。 test = pd.Series([7, 15, 36, 39, 40, 41]) test.describe(
我有一个多索引数据框,如下所示: TQ bought HT Detailed Instru
我需要从包含值“低”,“中”或“高”的数据框列创建直方图。当我尝试执行通常的df.column.hist()时,出现以下错误。 ex3.Severity.value_counts() Out[85]:
我试图根据另一列的长度对一列进行子串,但结果集是 NaN .我究竟做错了什么? import pandas as pd df = pd.DataFrame([['abcdefghi','xyz'],
我是一名优秀的程序员,十分优秀!