Pandas Panda dataframe列依赖于另一列

1） 新的column类出现错误-表示

TypeError:invalid type comparison

。我如何根据多小时设置此新专栏？当我只投入一个小时（1、2或3…）时，这就起作用了

2）

TypeError:groupby（）为参数“axis”获取了多个值

。 我想使用两列

GROUPBY

。它只适用于一列。

让我们试试：

import pandas as pd
import urllib.request
import numpy as np
url="https://www.misoenergy.org/Library/Repository/Market%20Reports/20170811_da_bc.xls"

cnstxls = urllib.request.urlopen(url)
xl = pd.ExcelFile(cnstxls)
df = xl.parse("Sheet1",skiprows=3)
constr = df.iloc[:,1:7]
constr['Class'] = np.where(constr['Hour of Occurrence'] == (1,2,3,4,5,6), 'Offpeak', 'Onpeak')
sumsp=constr.groupby('Constraint_ID','Class',axis=0)['Shadow Price'].sum().sort_values(ascending=True)`

输出：

constr['Class'] = np.where(constr['Hour of Occurrence'].isin([1,2,3,4,5,6]),'Offpeak','Onpeak')

sumsp = constr.groupby(['Constraint_ID','Class'],axis=0)['Shadow Price'].sum().sort_values(ascending=True)

print(sumsp)

sumsp.unstack('Class')

编辑

unstack

以透视类： 输出：

constr['Class'] = np.where(constr['Hour of Occurrence'].isin([1,2,3,4,5,6]),'Offpeak','Onpeak')

sumsp = constr.groupby(['Constraint_ID','Class'],axis=0)['Shadow Price'].sum().sort_values(ascending=True)

print(sumsp)

sumsp.unstack('Class')

让我们试试：

import pandas as pd
import urllib.request
import numpy as np
url="https://www.misoenergy.org/Library/Repository/Market%20Reports/20170811_da_bc.xls"

cnstxls = urllib.request.urlopen(url)
xl = pd.ExcelFile(cnstxls)
df = xl.parse("Sheet1",skiprows=3)
constr = df.iloc[:,1:7]
constr['Class'] = np.where(constr['Hour of Occurrence'] == (1,2,3,4,5,6), 'Offpeak', 'Onpeak')
sumsp=constr.groupby('Constraint_ID','Class',axis=0)['Shadow Price'].sum().sort_values(ascending=True)`

输出：

constr['Class'] = np.where(constr['Hour of Occurrence'].isin([1,2,3,4,5,6]),'Offpeak','Onpeak')

sumsp = constr.groupby(['Constraint_ID','Class'],axis=0)['Shadow Price'].sum().sort_values(ascending=True)

print(sumsp)

sumsp.unstack('Class')

编辑

unstack

以透视类： 输出：

constr['Class'] = np.where(constr['Hour of Occurrence'].isin([1,2,3,4,5,6]),'Offpeak','Onpeak')

sumsp = constr.groupby(['Constraint_ID','Class'],axis=0)['Shadow Price'].sum().sort_values(ascending=True)

print(sumsp)

sumsp.unstack('Class')

---

谢谢你，斯科特。一次跟进。我将如何按类透视这些数据，即onpeak和offpeak作为两个独立的列显示？@ShyamaSonti添加了edit。您需要

unstack（'Class'）

.Scott-在上面的unstack中，我想获得约束ID的“约束名称”。第一个约束名称就足够了。您可以在constr df中看到约束名称。请提供任何帮助。您只需在第一个groupby中将“Constraint_Id”替换为“Constraint Name”，其中sumsp=

sumsp=constr.groupby（['Constraint Name'，'Class']，axis=0）['Shadow Price'].sum（）。排序值（升序=True）

谢谢Scott。一次跟进。我将如何按类透视这些数据，即onpeak和offpeak作为两个独立的列显示？@ShyamaSonti添加了edit。您需要

unstack（'Class'）

.Scott-在上面的unstack中，我想获得约束ID的“约束名称”。第一个约束名称就足够了。您可以在constr df中看到约束名称。请提供任何帮助。您只需在第一个groupby中将“Constraint_Id”替换为“Constraint Name”，其中sumsp=

sumsp=constr.groupby（['Constraint Name'，'Class']，axis=0）['Shadow Price'].sum（）.sort_值（升序=True）