- 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?
几个小时以来,我一直在努力解决这个问题,但我似乎无法弄清楚。如果有任何帮助,我将不胜感激。
背景
我正在尝试通过 python 为我在学校的研究实验室自动化数据操作。从实验中,将生成一个包含 41 行数据(不包括标题)的 .csv
文件,如下所示。
有时,同一实验的多次运行会产生具有相同 header 的 .csv
文件,需要对它们取平均值以确保准确性。像这样具有相同行数和标题的东西:
到目前为止,我能够过滤基本名称以仅包含具有相同参数的 .csv
文件,并将它们添加到数据框中。但是,我的问题是我不知道如何继续获得平均值。
我当前的代码和输出
代码:
import pandas as pd
import os
dir = "/Users/luke/Desktop/testfolder"
files = os.listdir(dir)
files_of_interests = {}
for filename in files:
if filename[-4:] == '.csv':
key = filename[:-5]
files_of_interests.setdefault(key, [])
files_of_interests[key].append(filename)
print(files_of_interests)
for key in files_of_interests:
stack_df = pd.DataFrame()
print(stack_df)
for filename in files_of_interests[key]:
stack_df = stack_df.append(pd.read_csv(os.path.join(dir, filename)))
print(stack_df)
输出:
Empty DataFrame
Columns: []
Index: []
Unnamed: 0 Wavelength S2c Wavelength.1 S2
0 0 1100 0.000342 1100 0.000304
1 1 1110 0.000452 1110 0.000410
2 2 1120 0.000468 1120 0.000430
3 3 1130 0.000330 1130 0.000306
4 4 1140 0.000345 1140 0.000323
.. ... ... ... ... ...
36 36 1460 0.002120 1460 0.001773
37 37 1470 0.002065 1470 0.001693
38 38 1480 0.002514 1480 0.002019
39 39 1490 0.002505 1490 0.001967
40 40 1500 0.002461 1500 0.001891
[164 rows x 5 columns]
在这里提问!
所以我的问题是,如何让它分别向右追加每个 S2c
和 S2
?
解释:
对于具有相同 header 名称的多个 .csv 文件,当我将其附加到列表时,它只是不断堆叠到前一个 .csv
文件的底部,这导致了 [164行 x 5 列]
来自上一节。我最初的想法是创建一个新的数据框,只从每个 .csv
文件中附加 S2c
和 S2
,而不是堆叠一个接一个,它将继续将它们作为新列附加到右侧。之后,我可以进行某种形式的 pandas 列操作,将它们相加并除以运行次数(这只是文件的数量,所以 len(files_of_interests[key])
在第二个 FOR循环)。
我尝试过的
我尝试创建一个空数据框并使用 pd.DataFrame.from_records() 添加从
。并将 np.arange(1100,1500,10)
获取的列S2c
和 S2
附加到数据框,如我在上一节中所述。发生了同样的问题,除此之外,它还产生了一堆 Nan 值,即使在进一步搜索之后我也没有足够的能力来处理这些值。
我已经阅读了此处发布的其他多个问题,许多人建议使用 pd.concat
但由于答案是针对不同情况量身定制的,我无法真正复制它,也不会这样做我是否能够理解它的文档,所以我停止了这条路。
预先感谢您的帮助!
附加信息
我在代码中使用 macOS 和 ATOM。
可以在此处找到 csv 文件!
github: https://github.com/teoyi/PROJECT-Automate-Research-Process
试用@zabop 方法
代码:
dflist = []
for key in files_of_interests:
for filename in files_of_interests[key]:
dflist.append(pd.read_csv(os.path.join(dir, filename)) )
concat = pd.concat(dflist, axis = 1)
concat.to_csv(dir + '/concat.csv')
输出:
尝试@SergeBallesta 方法
代码:
df = pd.concat([pd.read_csv(os.path.join(dir, filename))
for key in files_of_interests for filename in files_of_interests[key]])
df = df.groupby(['Unnamed: 0', 'Wavelength', 'Wavelength.1']).mean().reset_index()
df.to_csv(dir + '/try.csv')
print(df)
输出:
最佳答案
IIUC 你有:
'Unnamed: '
并且您想获得相同波长值的 S2 和 S2c 列的平均值。
这可以通过 groupby
和 mean
简单地完成,但我们首先必须过滤掉所有不需要的列。可以通过read_csv
的index_col
和usecols
参数来制作:
...
print(files_of_interests)
# first concat the datasets:
dfs = [pd.read_csv(os.path.join(dir, filename), index_col=1,
usecols=lambda x: not x.startswith('Unnamed: '))
for key in files_of_interests for filename in files_of_interests[key]]
df = pd.concat(dfs).reset_index()
# then take the averages
df = df.groupby(['Wavelength', 'Wavelength.1']).mean().reset_index()
# reorder columns and add 1 to the index to have it to run from 1 to 41
df = df.reindex(columns=['Wavelength', 'S2c', 'Wavelength.1', 'S2'])
df.index += 1
如果在生成的 df 中仍然有不需要的列,这个神奇的命令将有助于识别具有奇怪结构的原始文件:
import pprint
pprint.pprint([df.columns for df in files])
使用 github testfolder 中的文件,它给出:
[Index(['Unnamed: 0', 'Wavelength', 'S2c', 'Wavelength.1', 'S2'], dtype='object'),
Index(['Unnamed: 0', 'Wavelength', 'S2c', 'Wavelength.1', 'S2'], dtype='object'),
Index(['Unnamed: 0', 'Wavelength', 'S2c', 'Wavelength.1', 'S2'], dtype='object'),
Index(['Unnamed: 0', 'Wavelength', 'S2c', 'Wavelength.1', 'S2'], dtype='object'),
Index(['Unnamed: 0', 'Unnamed: 0.1', 'Wavelength', 'S2c', 'Wavelength.1',
'S2'],
dtype='object'),
Index(['Unnamed: 0', 'Wavelength', 'S2c', 'Wavelength.1', 'S2'], dtype='object')]
明确将第五个文件作为附加列。
关于python - 如何通过从内容相似的多个 .csv 文件导入数据来创建数据框?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63202798/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!