Python 组织熊猫数据帧信息的最有效方法
我想存储在pandas dataframe上的数据结构可以表示为:Python 组织熊猫数据帧信息的最有效方法,python,pandas,Python,Pandas,我想存储在pandas dataframe上的数据结构可以表示为: F1 F2 F3 . . . . a b c t1 t2 . . t18000 x1 x2 . . x18000 y z 当我想可视化行只是为了了解数据帧包含的信息时,我不想看到18000个t或x变量。相反,我想做这样的事情:[a,b,c,t,x,y,z] 我对Pandas模块不是很熟悉,所以我的问题是,将来我应该如何存储信息以达到我上面提到的行名称?更具体地说: 我应该将t和x值作为数组存储
F1 F2 F3 . . . .
a
b
c
t1
t2
.
.
t18000
x1
x2
.
.
x18000
y
z
当我想可视化行只是为了了解数据帧包含的信息时,我不想看到18000个t或x变量。相反,我想做这样的事情:[a,b,c,t,x,y,z]
我对Pandas模块不是很熟悉,所以我的问题是,将来我应该如何存储信息以达到我上面提到的行名称?更具体地说:
- 我应该将t和x值作为数组存储在一个单元格中吗
F1 F2 ... a b c t [t1 t2 .. t18000] x [x1 x2 .. x18000] y z
- 或者,是否有一种固有的方式来可视化多个索引,这些索引与pandas中的一个索引具有相同的行名称
- 有几种方法可以做到这一点。您可以使用,它允许您创建层次索引。例如:
df = pd.DataFrame({'F1': range(4)}, index=[['x', 'x', 'y', 'y'], ['x1', 'x2', 'y1', 'y2']])
将为您提供如下数据帧:
F1
x x1 0
x2 1
y y1 2
y2 3
您可以简单地groupby
level,例如to sum,df.groupby(level=0.sum()
或者,如果您不想要索引,您可以使用groupby
中的函数。例如,按索引中的第一个字符分组:
df = pd.DataFrame({'F1': range(4)}, index=['x1', 'x2', 'y1', 'y2'])
df.groupby(lambda index: index[0]).sum()