python - 从 pandas 数据帧计算平均数据并写入 csv
问题描述
我有一个非常大的空间数据集存储在数据框中。我将该数据帧的一部分放入一个新的较小子集中以运行进一步的计算。数据具有 x、y 和 z 坐标以及许多附加列,其中一些是文本,一些是数字。x 和 y 坐标位于定义的网格上,并且具有已知的间距。数据看起来像这样
x,y,z,text1,text2,text3,float1,float2
75000,45000,120,aa,bbb,ii,12,0.2
75000,45000,110,bb,bbb,jj,22,0.9
75000,45100,120,aa,bbb,ii,11,1.8
75000,45100,110,bb,bbb,jj,45,2.4
75000,45100,100,bb,ccc,ii,13.6,1
75100,45000,120,bb,ddd,jj,8.2,2.1
75100,45000,110,bb,ddd,ii,12,0.6
对于每个 x 和 y 对,我想遍历两个系列的文本值并在 z 方向上做三件事。
- 计算具有第三个特定文本值的所有值的一个数值的平均值
- 对具有相同文本值的所有值求和另一个数值
- 将 'x, y, average, sum' 的结果表写入 csv。
我的代码执行第三部分(尽管速度很慢),但没有计算 1 或 2,或者至少我似乎没有在输出中得到平均值和总和计算。
我做错了什么,如何加快速度?
for text1 in text_list1:
for text2 in text_list2:
# Get the data into smaller dataframe
df = data.loc[ (data["textfield1"] == text1) & (data["textfield2"] == text2 ) ]
#Get the minimum and maximum x and y
minXw = df['x'].min()
maxXw = df['x'].max()
minYw = df['y'].min()
maxYw = df['y'].max()
# dictionary for quicker printing
dict_out = {}
rows_list = []
# Make output filename
filenameOut = text1+"_"+text2+"_Values.csv"
# Start looping through x values
for x in np.arange(minXw, maxXw, x_inc):
xcount += 1
# Start looping through y values
for y in np.arange(minYw, maxYw, y_inc):
ycount += 1
# calculate average and sum
ave_val = df.loc[df['textfield3'] == 'text3', 'float1'].mean()
sum_val = df.loc[df['textfield3'] == 'text3', 'float2'].sum()
# Make Dictionary of output values
dict_out = dict([('text1', text1),
('text2', text2),
('text3', df['text3']),
('x' , x-x_inc),
('y' , y-y_inc),
('ave' , ave_val),
('sum' , sum_val)])
rows_list_c.append(dict_out)
# Write csv
columns = ['text1','text2','text3','x','y','ave','sum']
with open(filenameOut, 'w') as csvfile:
writer = csv.DictWriter(csvfile, fieldnames=columns)
writer.writeheader()
for data in dict_out:
writer.writerow(data)
我得到的 csv 给了我:
text1,text2,text3,x,y,ave,sum
text1,text2,,74737.5,43887.5,nan,0.0
text1,text2,,74737.5,43912.5,nan,0.0
text1,text2,,74737.5,43937.5,nan,0.0
text1,text2,,74737.5,43962.5,nan,0.0
解决方案
要在 pandas 中以有效的方式执行此操作,您将需要使用groupby
,agg
和内置to_csv
方法,而不是使用循环来构造数据列表并使用模块for
编写每个列表。csv
像这样的东西:
groups = data[data["text1"].isin(text_list1) & data["text2"].isin(text_list2)] \
.groupby(["text1", "text2"])
for (text1, text2), group in groups:
group.groupby("text3") \
.agg({"float1": np.mean, "float2": sum}) \
.to_csv(f"{text1}_{text2}_Values.csv")
目前尚不清楚您要对x
和y
值的递增做什么,这也是使您当前的代码非常慢的原因。要按 和 的间隔显示浮点列的总和和平均值x
,y
您也可以制作 bin 列并按这些列分组。
data["x_bin"] = (data["x"] - data["x"].min()) // x_inc
data["y_bin"] = (data["y"] - data["y"].min()) // y_inc
groups = data[data["text1"].isin(text_list1) & data["text2"].isin(text_list2)] \
.groupby(["text1", "text2"])
for (text1, text2), group in groups:
group.groupby(["text3", "x_bin", "y_bin"]) \
.agg({"x": "first", "y": "first", "float1": np.mean, "float2": sum}) \
.to_csv(f"{text1}_{text2}_Values.csv")
推荐阅读
- javascript - 如何在 Atom 中查看 JavaScript 函数文档(关于函数的任何内容)?
- .htaccess - 在 htaccess 中重定向,部分删除 web 链接
- javascript - 如何从我的选择中的 json 获取对象数据?
- java - 从索引优先级队列中删除 (java)
- wpf - 使用 C++/CLR 创建和使用 WPF 页面
- string - 在保留 CRLF 的同时将带有 CRLF 的文本文件转换为一行
- php - 不断报错:注意:未定义索引
- django - 如何在 Prefetch 的 annotate() 中访问查询集的字段?
- excel - 循环通过枢轴切片器并打印
- c++ - 用数组替换 malloc