如何在python中按总数和平均值列?
作为输入,我每次都有一个包含时间和一堆数字的CSV文件。如何在python中按总数和平均值列?
Time,F1,F2,F3
8:11,5,2,4
9:25,9,8,2
9:39,7,3,2
9:53,6,5,1
10:07,4,6,7
10:21,7,3,1
10:35,5,6,7
11:49,1,2,1
12:03,3,3,1
我想输出表经柱平均分组每个小时,总:
Time,SUM F1,SUM F2,SUM F3,AVG F1,AVG F2,AVG F3
8:00,5,2,4,5,2,4
9:00,22,16,5,7.3,5.3,1.6
10:00,16,15,15,5.3,5,5
11:00,1,2,1,1,2,1
12:00,3,3,1,3,3,1
到目前为止,我一直在寻找一个字典,其中小时是关键和价值做是一个count和sum的列表,然后除以count得到平均值。 我确定必须有更干净的方式来做到这一点。也许有些图书馆可以用这个工作。有什么建议么?
pandas一个溶液测试:
import pandas as pd
df = pd.read_csv('f123.csv')
df['Time'] = df['Time'].apply(lambda x: x.split(':')[0] + ':00')
by_hour = df.groupby('Time')
data = {}
for name in ['F1', 'F2', 'F3']:
data['SUM ' + name] = by_hour[name].sum()
data['AVG ' + name] = by_hour[name].mean()
res = pd.DataFrame(data)
print(res)
打印:
AVG F1 AVG F2 AVG F3 SUM F1 SUM F2 SUM F3
Time
10:00 5.333333 5.000000 5.000000 16 15 15
11:00 1.000000 2.000000 1.000000 1 2 1
12:00 3.000000 3.000000 1.000000 3 3 1
8:00 5.000000 2.000000 4.000000 5 2 4
9:00 7.333333 5.333333 1.666667 22 16 5
另存为csv文件:
res.to_csv('res.csv')
这是内容的res.csv
:
Time,AVG F1,AVG F2,AVG F3,SUM F1,SUM F2,SUM F3
10:00,5.333333333333333,5.0,5.0,16,15,15
11:00,1.0,2.0,1.0,1,2,1
12:00,3.0,3.0,1.0,3,3,1
8:00,5.0,2.0,4.0,5,2,4
9:00,7.333333333333333,5.333333333333333,1.6666666666666667,22,16,5
伟大的解决方案!在'22 -01-16'格式的时间旁边添加日期列表,你将如何处理新的日子? – user52028778
非常有帮助。熊猫是非常好的阅读和日期一般工作。但是,在评论中回答一个新问题真的很麻烦。提出一个新问题并将其链接到来自这里的评论中会更容易。我会看看它。 –
Pands的确看起来不错,但操纵数据并不是很直观,也许我应该参加一个python-academy课程。 这里我添加了新的问题:http://*.com/questions/34944183/how-to-groupby-two-fields-in-pandas – user52028778
下面应该让你开始,它使用Python的csv
模块按小时处理的文件和itertools.groupby
到组的条目:
import csv
from itertools import groupby, chain
with open('input.csv', 'rb') as f_input, open('output.csv', 'wb') as f_output:
csv_input = csv.reader(f_input)
csv_output = csv.writer(f_output)
header = next(csv_input)
csv_output.writerow(["Time","SUM F1","SUM F2","SUM F3","AVG F1","AVG F2","AVG F3"])
for k, g in groupby(csv_input, lambda x: int(x[0].split(':')[0])):
entries = [(int(f1), int(f2), int(f3)) for t, f1, f2, f3 in g]
sums = [(sum(x), sum(x)/float(len(entries))) for x in zip(*entries)]
row = ['{}:00'.format(k)] + list(chain.from_iterable(zip(*sums)))
csv_output.writerow(row)
这会给你的输出CSV文件看起来像这样:
Time,SUM F1,SUM F2,SUM F3,AVG F1,AVG F2,AVG F3
8:00,5,2,4,5.0,2.0,4.0
9:00,22,16,5,7.333333333333333,5.333333333333333,1.6666666666666667
10:00,16,15,15,5.333333333333333,5.0,5.0
11:00,1,2,1,1.0,2.0,1.0
12:00,3,3,1,3.0,3.0,1.0
zip
用于转置列条目。
使用Python 2.7.9
您的方法很好。它也不是那么多的代码。追加(F1)和setdefault(小时,[]),追加(F2)和setdefault(小时,[])追加(F3)。然后,对于每个字典,您每小时迭代一次,然后在列表中调用'sum'并按count(list)进行划分,同时注意处理列表为空时发生的情况。 –
'Pandas'是一个很好的图书馆这种数据处理:http://pandas.pydata.org/ – CoMartel