Python 按最小值分组行
问题是我有一些表要构建，一些值低于特定阈值。例如：Python 按最小值分组行,python,r,dataframe,Python,R,Dataframe,问题是我有一些表要构建，一些值低于特定阈值。例如： S1 S2 S3 A 700 367 751 B 354 103 143 C 18 7 6 D 27 11 5 E 3 6 1 F 8 2 9 G 1 3 2 我想要的是保持值包含至少一个值等于或大于10的行，并合并值小于10的行，以创建一个名为“Other（10）”的行名。像这样： S1 S2 S3 A 700 367
S1 S2 S3
A 700 367 751
B 354 103 143
C 18 7 6
D 27 11 5
E 3 6 1
F 8 2 9
G 1 3 2
“Other（10）”的行名。像这样：
S1 S2 S3
A 700 367 751
B 354 103 143
C 18 7 6
D 27 11 5
Other(<10) 12 11 12
S1 S2 S3
A 700 367 751
B 354 103 143
C 18 7 6
D 27 11 5
其他（您可以在python中尝试：
data = ["700 367 751", "354 103 143", "18 7 6", "27 11 5", "3 6 1", "8 2 9", "1 3 2"]
new_data = [map(int, i.split()) for i in data]
final_data = []
extra_data = [0, 0, 0]
for i in new_data:
if any(b >= 10 for b in i):
final_data.append(i)
else:
extra_data = [extra_data[c]+b for c, b in enumerate(i)]
final_data.append(extra_data)
print final_data
您可以在python中尝试以下操作：
data = ["700 367 751", "354 103 143", "18 7 6", "27 11 5", "3 6 1", "8 2 9", "1 3 2"]
new_data = [map(int, i.split()) for i in data]
final_data = []
extra_data = [0, 0, 0]
for i in new_data:
if any(b >= 10 for b in i):
final_data.append(i)
else:
extra_data = [extra_data[c]+b for c, b in enumerate(i)]
final_data.append(extra_data)
print final_data
如果您对R解决方案感兴趣：
filtered.df <- rbind( df[ apply(df, 1, function(x){any(x>=10)}), ],
colSums( df[ apply(df, 1, function(x){all(x< 10)}), ]))
数据：
df <- structure(c(700, 354, 18, 27, 3, 8, 1, 367, 103, 7, 11, 6, 2, 3, 751, 143, 6, 5, 1, 9, 2), .Dim = c(7L, 3L))
如果您对R解决方案感兴趣：
filtered.df <- rbind( df[ apply(df, 1, function(x){any(x>=10)}), ],
colSums( df[ apply(df, 1, function(x){all(x< 10)}), ]))
数据：
df <- structure(c(700, 354, 18, 27, 3, 8, 1, 367, 103, 7, 11, 6, 2, 3, 751, 143, 6, 5, 1, 9, 2), .Dim = c(7L, 3L))
R的矢量化选项是
ind <- rowSums(df > 10) == 0
rbind(df[!ind,], colSums(df[ind,]))
# S1 S2 S3
#A 700 367 751
#B 354 103 143
#C 18 7 6
#D 27 11 5
# 12 11 12
ind 10）==0
rbind（df[！ind，]，colSums（df[ind，]））
#S1 S2 S3
#A 700 367 751
#B 354 103 143
#C 18 7 6
#D 27 11 5
# 12 11 12
R的矢量化选项是
ind <- rowSums(df > 10) == 0
rbind(df[!ind,], colSums(df[ind,]))
# S1 S2 S3
#A 700 367 751
#B 354 103 143
#C 18 7 6
#D 27 11 5
# 12 11 12
ind 10）==0
rbind（df[！ind，]，colSums（df[ind，]））
#S1 S2 S3
#A 700 367 751
#B 354 103 143
#C 18 7 6
#D 27 11 5
# 12 11 12
解决方案可能以apply（df，1，max）
filtered.df 10）}开头。]
这将为您提供第一部分。然后你可以把小于10的加起来。@G5W或者只加df.max（1）@EFT我不知道那个函数-我的R副本也不知道。@EFT那是python都德。另外，我的函数应该是any
而不是all
\n解决方案可以从apply（df，1，max）
filtered.df 10）}开始。]
这将为您提供第一部分。然后你可以把小于10的加起来。@G5W或者只加df.max（1）@EFT我不知道那个函数-我的R副本也不知道。@EFT那是python都德。另外，我的函数应该是any
，而不是all
\Nice且简洁！@Masoud确实如此，但它消除了标题和行名。保留它们并创造“另一个”会很有趣（@FelipeLira No.我只是在结构化数据中没有列名。它根本不会影响行名或列名。好的，@Masoud.我将尝试在df示例中包含行名，以检查并进一步尝试使用我的数据。@FelipeLira Idk您的意思。这是我表示data.frame的一种方式。row.names
和col.names
返回行名和列名。在这里，我是第一次定义它们。如果您有data.frame（我认为您应该这样做，这就是您的示例），您不需要这样做。只需将解决方案应用于data.frame.Nice和construct！这是正确的@Masoud，但它消除了标题和行名称。保留它们并创建“其他”会很有趣（@FelipeLira No.我只是在结构化数据中没有列名。它根本不会影响行名或列名。好的，@Masoud.我将尝试在df示例中包含行名，以检查并进一步尝试使用我的数据。@FelipeLira Idk您的意思。这是我表示data.frame的一种方式。row.names
和col.names
返回行名和列名。在这里，我是第一次定义它们。如果您有data.frame（我认为您应该这样做，这是您的示例），您不需要创建它。只需在data.frame上应用解决方案即可。
ind <- rowSums(df > 10) == 0
rbind(df[!ind,], colSums(df[ind,]))
# S1 S2 S3
#A 700 367 751
#B 354 103 143
#C 18 7 6
#D 27 11 5
# 12 11 12