python - 0-9 在一个数据帧的索引的最左边数字中多久重复一次？

Question

我想知道我们是否可以计算在index某些熊猫数据帧的最左边数字中 0-9 重复的频率：

             A          B           C
0   -56.343656        NaN -418.540483
10  -87.577880 -16.061497         NaN
20         NaN -15.337254         NaN
40  -67.462841        NaN -431.924830
50  -63.377158 -28.260790         NaN
60         NaN -22.996095         NaN
130  11.569845        NaN -307.034737
180  11.398947  -1.793530         NaN

我已经提取了这些列的索引，包括前导 0：

000
010
020
040
050
060
130
180

并尝试将提取的索引存储在 csv 文件中。然后我什至尝试再次将它们放入数据框中，根据这个原则，最左边的数字可能是 [0-7]，最左边的第二个数字可能是 [0-59]，最后一个可能是 [0-9999] 并存储在 csv文件以进一步处理'section'代表最左边数字列的列。

我的脚本如下：

import numpy as np
import pandas as pd


df = pd.read_csv('D:\SOF.TXT', header=None)
id_set = df[df.index % 4 == 0].astype('int').values
A = df[df.index % 4 == 1].values
B = df[df.index % 4 == 2].values
C = df[df.index % 4 == 3].values

data = {'A': A[:,0], 'B': B[:,0], 'C': C[:,0]}
#main_data contains all the data
main_data = pd.DataFrame(data, columns=['A','B','C'], index = id_set[:,0])  


main_data[np.isinf(main_data)] = np.nan    # convert inf to nan
main_data_nan = main_data[main_data.isnull().any(axis=1)]   # extract sub data frame
print(main_data_nan)
# to fix 3 digits of index in start
new_index = [str(x).zfill(3) for x in main_data_nan.index]
main_data_nan.index = new_index
#print all data includes nan values in .csv file
main_data_nan.to_csv('nan_data.csv', na_rep='NaN')   # export
#print just especial column that includes nan values in .csv file including id_set or indexes
main_data_nan['C'].to_csv('nan_datatemp.csv', na_rep='NaN')
#print all id_set which is index in data frame has nan values
for i in range(len(main_data_nan)):
    print (main_data_nan.index[i])


dff = pd.read_csv("D:\nan_datatemp.csv")
cycle, section, cell = [], [], []
for i in range(9999):
    for j in range(8):
        for k in range(60):
            cycle.append(i)
            section.append(j)
            cell.append(k)
dfff = {'Section':section, 'Cell':cell, 'Cycle':cycle}
dffff = pd.DataFrame(dfff, columns=['Section','Cell', 'Cycle'], index = id_set[:,0])
dffff.to_csv('exit_id_det.csv', encoding='utf-8', index=False)

我不确定这里的答案是否可以通过应用(df==X).sum()最左边的数字索引来满足我的答案，例如：

(df==0).sum()
(df==1).sum()
(df==2).sum()
(df==3).sum()
(df==4).sum()
(df==5).sum()
(df==6).sum()
(df==7).sum()

甚至使用main_data_nan.isnull().sum().sum()它们的频率出现百分比计算我想要的结果应该是：

index ---->频率 ---> 百分比
000 ----> 0: 6 次 ----> 0: 总共 75%
010 ----> 1: 2 次 ----> 1: 总共 25%
020 ----> 2: 0 次 ----> 2: 总共 0%
040 ----> 3: 0 次 ----> 3: 总共 0%
050 ----> 4: 0次---->4：共0%
060 ----> 5：0次----> 5：共0%
130 ----> 6：0次----> 6 : 共 0%
180 ----> 7: 0 次 ----> 7: 共 0%

下面是我的数据集示例：数据集示例 DL 链接

标签： pythonpandasdataframecountfrequency

Answer 1

创建一个从索引命名的新列index，然后找到压缩数据框，以便您只有包含空值的列观察。然后计算每个部分的最左边的数字。

import collections

df['index'] = df.index
null_data = df[df.isnull().any(axis=1)]
cycle_left = collections.Counter(null_data['index']//100%10)
cell_left = collections.Counter(null_data['index']//10000%10)
section_left = collections.Counter(null_data['index']//100000%10)

输出将是一个字典，其中键是最左边的数字，值是每个数字的频率。

现在，让我们假设您在索引处有空值427888, 101, 6123456。

示例输出：

Counter({1: 1, 8: 1, 4: 1})     #cycle_left
Counter({2: 2, 0: 1})           #cell_left
Counter({0: 1, 4: 1, 1: 1})     #section_left

您还可以.value_counts()在最后一步中使用来获取包含频率的序列（索引将是最左边的数字，值将是该数字的频率）。

df['index'] = df.index
null_data = df[df.isnull().any(axis=1)]
cycle_left = (null_data['index']//100%10).value_counts()
cell_left = (null_data['index']//10000%10).value_counts()
section_left = (null_data['index']//100000%10).value_counts()

示例输出：

#cycle_left
4    1
1    1
8    1
Name: index, dtype: int64

#cell_left
2    2
0    1
Name: index, dtype: int64

#section_left
1    1
4    1
0    1
Name: index, dtype: int64