- 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?
我在 SQL 中进行了一个计算,如下所示:
SELECT
round(sum(total_size) / (1024*1024), 2) 'Total (PB)' ,
round(sum(keep_size) / (1024*1024), 2) 'Keep (PB)' ,
round(sum(remove_size) / (1024*1024), 2) 'Remove (PB)'
FROM (
SELECT
case when dedupe_status='K' then path when dedupe_status='R' then null when dedupe_status='G' then group_super end as g_key,
round(sum(file_size), 2) total_size,
case when dedupe_status='R' then round(sum(file_size), 2) when dedupe_status='K' then 0 when dedupe_status='G' then round(sum(file_size) - file_size, 2) end remove_size,
case when dedupe_status='R' then 0 when dedupe_status='K' then file_size when dedupe_status='G' then round(sum(file_size) - (sum(file_size) - file_size), 2) end keep_size
from dedupe__df group by g_key
) clean_list
我只包括这个以供引用。这是我的数据框,我试图在 Pandas 中进行相同的计算。这是我拥有的数据框:
df=pd.DataFrame([
{'dedupe_status': 'R', 'size': 134, 'dedupe_key': 'g_149'},
{'dedupe_status': 'K', 'size': 101, 'dedupe_key': 'g9'},
{'dedupe_status': 'G', 'size': 101, 'dedupe_key': 'x09'},
{'dedupe_status': 'G', 'size': 405, 'dedupe_key': 'xx01'},
{'dedupe_status': 'G', 'size': 4, 'dedupe_key': 'x09'},
{'dedupe_status': 'G', 'size': 1405, 'dedupe_key': 'xx01'},
{'dedupe_status': 'G', 'size': 401, 'dedupe_key': 'xx01'},
])
我想得到三个值的结果,
Total Size
,
Remove Size
, 和
Keep Size
.以下是它们的计算方式:
Total
: 很简单,总结一下所有的大小。 Keep
:如果状态是 K
( 保留 ),将大小相加。如果状态为 R
( 删除 ),如果状态为 G
,则跳过它( 组 ) 然后在 dedupe_key
上组并保留 只有一个 大小(不管哪个,如果最简单,您可以获取 first
或 min
)。换句话说,当值为 G
时,这意味着该组中的所有元素都是重复的,我们只需要保留其中一个。 Remove
:Total
- Keep
field value # comments
Total 2551 # df['size'].sum()
Keep 607 # 101 (K) + 101 (G: x09) + 405(G: xx01)
Remove 1944 # 134 (R) + 4 (G: x08) + 1405+401 (G: xx01)
到目前为止,我有:
>>> df['new_key'] = df.apply(lambda row: 'R' if row.dedupe_status == 'R' else row.dedupe_key, axis=1)
>>> df.groupby('new_key').agg(total=('size', 'sum'))
我将如何在 Pandas 中完成其余的工作?
最佳答案
让我们试试 np.where
找到那些 Keep
:
mask = np.where(df.dedupe_status.eq('R') |
(df.duplicated(['dedupe_status', 'dedupe_key']) &
df.dedupe_status.eq('G')
),
'Remove', 'Keep')
ret = df.groupby(mask)['size'].sum()
ret.loc['Total'] = ret.sum()
输出:
Keep 607
Remove 1944
Total 2551
Name: size, dtype: int64
关于python - Pandas 中的条件计算,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63716326/
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!