数据集python上的Groupby函数
我有以下数据集,用于我的研究。最终输出为斜率数据集python上的Groupby函数,python,python-3.x,pandas,numpy,Python,Python 3.x,Pandas,Numpy,我有以下数据集,用于我的研究。最终输出为斜率 import numpy as np import pandas as pd from scipy import stats df=pd.read_excel('I:/Python/Data/Copy.xlsx') df_np=np.array(df) x=np.array(df_np[:,14],dtype=float) y=np.array(df_np[:,12],dtype=float) for i, pair in enumer
import numpy as np
import pandas as pd
from scipy import stats
df=pd.read_excel('I:/Python/Data/Copy.xlsx')
df_np=np.array(df)
x=np.array(df_np[:,14],dtype=float)
y=np.array(df_np[:,12],dtype=float)
for i, pair in enumerate(zip(x, y)):
slope, intercept, r_value, p_value, std_err = stats.linregress(np.delete(x,i),np.delete(y,i))
print('slope', slope, 'for data without pair', i, ':', pair)
在上面的代码中,我需要的帮助是测试事件单独输出,斜率值单独输出。测试_事件和斜率值之间没有1:1的关系 假设每个测试事件中有10个ID 测试ID=0,1,2,…9 测试事件=11,12,13,14 这意味着我需要每个测试事件中每个ID的斜率
Test event ID x=axis y-axis slope
这方面的任何帮助都将非常有用一种方法是通过
Test Event
对数据帧进行分组,然后在groupby
对象上循环,并在每个组上运行现有代码。阅读关于迭代组的内容
您可以使用任何数组作为
linegress
函数的输入。。这包括数据帧中的系列:
linregress(df['x-axis'], df['y-axis'])
使用pandas groupby时,您可以对每个组应用
grouped = df.groupby('Test Event')
grouped.apply(lambda x: pd.Series(linregress(x['x-axis'], x['y-axis']))).rename(columns={
0: 'slope',
1: 'intercept',
2: 'rvalue',
3: 'pvalue',
4: 'stderr'}).reset_index()
我知道熊猫有一个groupby()方法。看一看,谢谢你的回答。输出应如上表所示,具有20个不同的斜率值(每个事件类型10个斜率值)。我先打印测试事件,然后打印斜率值。我的意思是,测试事件的打印方式不同,斜率值的打印方式也不同。每个测试事件都没有斜率值。@JLuxton,hanks,请回答。输出应如上表所示,具有20个不同的斜率值(每个事件类型10个斜率值)。我先打印测试事件,然后打印坡度值。我的意思是,测试事件的打印方式不同,坡度值的打印方式也不同。没有每个测试事件的坡度值。所以您想要一个连续坡度?我不清楚你想要的结果是什么。
grouped = df.groupby('Test Event')
grouped.apply(lambda x: pd.Series(linregress(x['x-axis'], x['y-axis']))).rename(columns={
0: 'slope',
1: 'intercept',
2: 'rvalue',
3: 'pvalue',
4: 'stderr'}).reset_index()