在Pandas DataFrame中有没有简单的方法对列进行分组？

xjreopfe 于 2023-03-28 发布在其他

关注(0)|答案(1)|浏览(187)

我尝试使用Pandas来表示运动捕获数据，其中N个标记中的每个标记的（x，y，z）位置具有T个测量值。例如，T=3和N=4，原始CSV数据如下所示：

T,Ax,Ay,Az,Bx,By,Bz,Cx,Cy,Cz,Dx,Dy,Dz
0,1,2,1,3,2,1,4,2,1,5,2,1
1,8,2,3,3,2,9,9,1,3,4,9,1
2,4,5,7,7,7,1,8,3,6,9,2,3

这真的很容易加载到DataFrame中，我已经学会了一些简单的技巧（例如，将标记数据转换为z分数，或计算速度）。
不过，我想做的一件事是将上面显示的“平面”数据转换为在列（标记）上具有层次索引的格式，以便在级别0有N列（每个标记一列），并且其中每个列在级别1有3列（x，y和z各一列）。

A     B     C     D
  x y z x y z x y z x y z
0 1 2 1 3 2 1 4 2 1 5 2 1
1 8 2 3 3 2 9 9 1 3 4 9 1
2 4 5 7 7 7 1 8 3 6 9 2 3

我知道如何通过加载平面文件然后直接操作Series对象来实现这一点，可能是通过使用append或使用手动创建的MultiIndex创建新的DataFrame。
作为一个Pandas学习者，感觉一定有一种方法可以用更少的努力做到这一点，但很难发现。有没有更简单的方法？

pandas

来源：https://stackoverflow.com/questions/30791839/is-there-an-easy-way-to-group-columns-in-a-pandas-dataframe

1条答案

按热度按时间

zbdgwd5y1#

在本例中，您基本上只需要操作列名。
从原始的DataFrame开始（和一个微小的索引操作）：

from StringIO import StringIO
import numpy as np
a = pd.read_csv(StringIO('T,Ax,Ay,Az,Bx,By,Bz,Cx,Cy,Cz,Dx,Dy,Dz\n\
    0,1,2,1,3,2,1,4,2,1,5,2,1\n\
    1,8,2,3,3,2,9,9,1,3,4,9,1\n\
    2,4,5,7,7,7,1,8,3,6,9,2,3'))
a.set_index('T', inplace=True)

因此：

>> a
Ax  Ay  Az  Bx  By  Bz  Cx  Cy  Cz  Dx  Dy  Dz
T                                               
0   1   2   1   3   2   1   4   2   1   5   2   1
1   8   2   3   3   2   9   9   1   3   4   9   1
2   4   5   7   7   7   1   8   3   6   9   2   3

然后简单地为列创建一个元组列表，并使用MultiIndex.from_tuples：

a.columns = pd.MultiIndex.from_tuples([(c[0], c[1]) for c in a.columns])

>> a
    A           B           C           D
    x   y   z   x   y   z   x   y   z   x   y   z
T                                               
0   1   2   1   3   2   1   4   2   1   5   2   1
1   8   2   3   3   2   9   9   1   3   4   9   1
2   4   5   7   7   7   1   8   3   6   9   2   3

赞(0）回复(0）举报 2023-03-28

我来回答

在Pandas DataFrame中有没有简单的方法对列进行分组？

1条答案

相关问题

热门标签

最新问答