从这样的事情开始:
from pandas import DataFrame
time = np.array(('2015-08-01T00:00:00','2015-08-01T12:00:00'),dtype='datetime64[ns]')
heat_index = np.array([101,103])
air_temperature = np.array([96,95])
df = DataFrame({'heat_index':heat_index,'air_temperature':air_temperature},index=time)
产生这个df:
air_temperature heat_index
2015-08-01 07:00:00 96 101
2015-08-01 19:00:00 95 103
然后每天重新采样:
df_daily = df.resample('24H',how='max')
为此得到df_daily:
air_temperature heat_index
2015-08-01 96 103
因此,通过how='max'每24小时使用pandas重新采样重新采样,从每列中获取该时间段内的最大值.
但正如你所看到的看着df输出2015-08-01,当天的最大热指数(发生在19:00:00)不相关的空气温度发生在同一时间.也就是说,在空气温度为95°F时引起103°的热指数.这种关联通过重新取样而丢失,我们最终会从一天中的不同时间看到空气温度.
有没有办法只重新采样一列,并将值保留在同一索引的另一列中？所以最终结果如下:
air_temperature heat_index
2015-08-01 95 103
我的第一个猜测就是重新对该heat_index列进行重新采样......
df_daily = df.resample('24H',how={'heat_index':'max'})
要得到...
air_temperature
2015-08-01 103
...然后尝试从那里做某种DataFrame.loc或DataFrame.ix,但一直没有成功.关于如何在重新采样后找到相关值的任何想法(例如,找到与air_temperature后来发现的最大值同时发生的值heat_index)？
我有一个具有以下格式的表格：
data = {'City' : ['London', 'Paris', 'Paris','NY' 'London'], 'Distance' : [5, 1, 7, 2, 6]}
df = pd.DataFrame(data)
df
City Distance
0 London 5
1 Paris 1
2 Paris 7
3 NY 2
4 London 6
我想创建一个所有行都具有唯一“城市”的表，并且每当有 2 行或更多行具有相同的“城市”值时，我希望它返回具有最低“距离”的行。所以在这种情况下，我想要一个这样的表：
City Distance
London 5
Paris 1
NY 2
我知道我可以使用：
df.groupby('City')
但我不知道要添加什么才能返回最小的“距离”。
最好的，罗莎
我有一个根据id-column分组的数据框。对于每个组，我想获取包含最大值的行（整行，而不仅仅是值）。我可以通过首先获取每个组的最大值，然后创建一个过滤器数组，然后在原始数据帧上应用过滤器来做到这一点。像这样，
import pandas as pd
# Dummy data
df = pd.DataFrame({'id' : [1, 1, 1, 2, 2, 2, 3, 3, 4, 4, 4, 4],
'other_value' : ['a', 'e', 'b', 'b', 'a', 'd', 'b', 'f' ,'a' ,'c', 'e', 'f'],
'value' : [1, 3, 5, 2, 5, 6, 2, 4, 6, 1, 7, 3]
})
# Get the max value in each group
df_max = df.groupby('id')['value'].max()
# Create row filter
row_filter = [df_max[i]==v for i, v in zip(df['id'], df['value'])]
# …我有一个大数据框，它具有类似的模式，如下所示：
X Y Z
0 a p 2
1 a q 5
2 a r 6
3 a s 3
4 b w 10
5 b z 20
6 b y 9
7 b x 20
并且可以构造为：
df = {
'X': ['a', 'a', 'a', 'a', 'b', 'b', 'b', 'b'],
'Y': ['p', 'q', 'r', 's', 'w', 'x', 'y', 'z'],
'Z': [2, 5, 6, 3, 10, 20, 9, 5]
}
现在，我想这组数据帧由第一列即X采取max从Z柱和其对应的价值Y。如果 中有两个最大值Z，那么我想从 …
我试图根据groupby的另一列获取最大值的行,我试图遵循这里给出的解决方案Python:使用groupby获取具有最大值的行,但是当你申请时它不起作用
annotations.groupby(['bookid','conceptid'], sort=False)['weight'].max()
我明白了
bookid conceptid
12345678 3942 0.137271
10673 0.172345
1002 0.125136
34567819 44407 1.370921
5111 0.104729
6160 0.114766
200 0.151629
3504 0.152793
但是我想只获得权重最高的行,例如:
bookid conceptid
12345678 10673 0.172345
34567819 44407 1.370921
我很感激任何帮助
我刚刚过滤了一些数据，现在我有一个 .csv 文件，但我注意到我只需要选择具有最低价格的行：
例子：
ORIGIN | DESTINA. | PRICE
____________________________
BOG | MAD | 1500
BOG | MAD | 750
BOG | MAD | 1250
BOG | MAD | 1350
BOG | MIA | 450
所以在这个例子中，我想得到的只是第三行和第六行：
ORIGIN | DESTINA. | PRICE
____________________________
BOG | MAD | 750
BOG | MIA | 450
使用 python，我怎样才能得到这个决赛桌？
我有一个DataFrame,必须在三个级别上分组,然后返回最高值.每天都有每个独特价值的回报,我想找到最高的回报和细节.
data.groupby(['Company','Product','Industry'])['ROI'].idxmax()
回报表明:
Target - Dish Soap - House had a 5% ROI on 9/17
Best Buy - CDs - Electronics had a 3% ROI on 9/3
是最高的.
这是一些示例数据:
+----------+-----------+-------------+---------+-----+
| Industry | Product | Industry | Date | ROI |
+----------+-----------+-------------+---------+-----+
| Target | Dish Soap | House | 9/17/13 | 5% |
| Target | Dish Soap | House | 9/16/13 | 2% |
| BestBuy | CDs | Electronics | 9/1/13 | 1% |
| BestBuy | …id marks year
1 18 2013
1 25 2012
3 16 2014
2 16 2013
1 19 2013
3 25 2013
2 18 2014
假设现在我通过python命令将上面的id分组.
grouped = file.groupby(file.id)
我想获得一个新文件,每个组中只有一行,最近一年是该组中一年中最高的一年.
请告诉我这个命令,我正在尝试使用apply但它只给出了布尔表达式.我想要最新一年的整行.