有没有办法根据 Python 中的一列或多列中具有相似值的行来选择表中的某些行？

Posted 2023-03-11

【中文标题】有没有办法根据 Python 中的一列或多列中具有相似值的行来选择表中的某些行？

【英文标题】：Is there any way to select certain rows in a table based on which ones have similar values in one or more columns in Python?

【发布时间】：2021-12-04 03:12:35

【问题描述】：

Sr. No.	A	B	C
0	84.3	18.3	1.138420e+00
1	84.3	95.8	8.501307e
2	84.3	192.7	2.262742e-02
3	84.3	617.0	5.395847e-01
4	84.3	54.0	1.484681
5	18.3	95.8	9.612692e-01
6	18.3	192.7	9.600000e-01
7	18.3	617.0	1.706984e
8	18.3	544.0	1.128933e+00
9	95.8	52.7	6.157143e-01
10	95.8	617.0	8.880000e+00
11	95.8	54.0	4.533847e-01
12	192.7	617.0	5.048742e
13	192.7	544.0	1.838478e-02
14	617.0	544.0	7.360492e

例如在上表中，我想从行 0、5、6、7、8 中取 C 值的平均值，因为所有这些行在某些列中都有 18.3。然后我想将此平均值存储在与“18.3”对应的行中的另一个数据框中。 然后，我想从第 1、5、9、10、11 行中取 C 值的平均值，因为所有这些行在某些列中都有 95.8。然后我想将此平均值存储在与“95.8”对应的行中的另一个数据框中。 同样，我想对出现在 A 列和 B 列中的每个唯一值重复此操作。我无法找到执行此操作的方法。任何点击都会有帮助！

【参考方案1】：

试试这个：

import pandas as pd

s = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14]
a = [84.3, 84.3, 84.3, 84.3, 84.3, 18.3, 18.3, 18.3, 18.3, 95.8, 95.8, 95.8, 192.7, 192.7, 617.0]
b = [18.3, 95.8, 192.7, 617.0, 54.0, 95.8, 192.7, 617.0, 544.0, 52.7, 617.0, 54.0, 617.0, 544.0, 544.0]
c = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100, 110, 120, 130, 140, 150]

df = pd.DataFrame(s, columns=['Sr. No.'])
df['A'] = a
df['B'] = b
df['C'] = c

completeSet = set(list(df['B']) + list(df['A']))
list_df_num = []
list_df_avg = []

for num in completeSet:
    list_df_num.append(num)
    tmp = df[(df['A'] == num) | (df['B'] == num)]
    if len(tmp) > 0:
        avg = sum(list(tmp['C'])) / len(list(tmp['C']))
        list_df_avg.append(avg)
    else:
        list_df_avg.append(0)

result = pd.DataFrame(list_df_num, columns=['Number'])
result['Average'] = list_df_avg

print(result)

【讨论】：

如果有帮助，请接受并投票赞成这个答案

谢谢你，汤姆！你也可以分享一下你是从哪里了解到这些功能的吗？我意识到仅凭 pandas 文档不足以让我想出这样一个完整的解决方案。

究竟哪一部分你不明白？不是这里的每个部分都是熊猫

【参考方案2】：

我相信我理解您的要求，您希望将 A 和 B 中每个唯一值的 C 列的平均值存储为新 df 中的一行。

下面的代码读取我创建为 data.csv 的数据框，然后找到 A 和 B 列之间的唯一值，计算 C 的平均值，其中 A 或 B 的行与唯一值匹配。

然后我们创建一个具有均值和唯一值的新数据框。

    import pandas as pd


    df = pd.read_csv("data.csv")


    unique_a = df.A.unique().tolist()
    unique_b = df.B.unique().tolist()
    b_uniques = [ i for  i in unique_b if i not in unique_a]

    unique_a += b_uniques

    output = []
    value = []
    for i in unique_a:
        output.append( df[(df['A']==i) | (df['B']==i)]['C'].mean())
        value.append(i)




    out_df = pd.DataFrame("mean":output, "Group Value": value)


    output:
      mean  Group Value
0  2.336000         84.3
1  1.180000         18.3
2  3.882000         95.8
3  1.512500        192.7
4  4.708000        617.0
5  0.965000         54.0
6  2.836667        544.0
7  0.620000         52.7