我有一个 csv 文件列表 ( "file1", "file2", ..."
),它们有两列但没有标题标签。我想为它们分配标题标签并将它们分配为 DataFrame
它由文件索引,然后由这些列标签索引。例如,我试过:
import pandas
mydict = {}
labels = ["col1", "col2"]
for myfile in ["file1", "file2"]:
my_df = pandas.read_table(myfile, names=labels)
# build dictionary of dataframe records
mydict[myfile] = my_df
test = pandas.DataFrame(mydict)
这会产生一个 DataFrame,测试,由 "myfile1", "myfile2"...
索引但是,我希望每一个都被 "col1"
索引和 "col2"
以及。我的问题是:
我怎样才能使第一个索引是文件,第二个索引是我分配的列(在变量
labels
中)?这样我就可以写:test["myfile1"]["col1"]
现在,test["myfile1"]
只给我一系列的记录。
另外,我如何重新编制索引,以便第一个索引是每个文件的列标签,第二个是文件名?这样我就可以写:
test["col1"]["myfile1"]
或print test["col1"]
然后查看 "col1"
的值显示为 myfile1, myfile2
等
最佳答案
如果您使用的是 pandas >= 0.7.0(目前仅在 GitHub 存储库中可用,但我会立即发布!),您可以连接 DataFrames 的字典:
http://pandas.sourceforge.net/merging.html#more-concatenating-with-group-keys
In [6]: data
Out[6]:
{'file1.csv': A B
0 1.0914 -1.3538
1 0.5775 -0.2392
2 -0.2157 -0.2253
3 -2.4924 1.0896
4 0.6910 0.8992
5 -1.6196 0.3009
6 -1.5500 0.1360
7 -0.2156 0.4530
8 1.7018 1.1169
9 -1.7378 -0.3373,
'file2.csv': A B
0 -0.4948 -0.15551
1 0.6987 0.85838
2 -1.3949 0.25995
3 1.5314 1.25364
4 1.8582 0.09912
5 -1.1717 -0.21276
6 -0.2603 -1.78605
7 -3.3247 1.26865
8 0.7741 -2.25362
9 -0.6956 1.08774}
In [10]: cdf = concat(data, axis=1)
In [11]: cdf
O ut[11]:
file1.csv file2.csv
A B A B
0 1.0914 -1.3538 -0.4948 -0.15551
1 0.5775 -0.2392 0.6987 0.85838
2 -0.2157 -0.2253 -1.3949 0.25995
3 -2.4924 1.0896 1.5314 1.25364
4 0.6910 0.8992 1.8582 0.09912
5 -1.6196 0.3009 -1.1717 -0.21276
6 -1.5500 0.1360 -0.2603 -1.78605
7 -0.2156 0.4530 -3.3247 1.26865
8 1.7018 1.1169 0.7741 -2.25362
9 -1.7378 -0.3373 -0.6956 1.08774
然后如果你想切换列索引的顺序,你可以这样做:
In [14]: cdf.swaplevel(0, 1, axis=1)
Out[14]:
A B A B
file1.csv file1.csv file2.csv file2.csv
0 1.0914 -1.3538 -0.4948 -0.15551
1 0.5775 -0.2392 0.6987 0.85838
2 -0.2157 -0.2253 -1.3949 0.25995
3 -2.4924 1.0896 1.5314 1.25364
4 0.6910 0.8992 1.8582 0.09912
5 -1.6196 0.3009 -1.1717 -0.21276
6 -1.5500 0.1360 -0.2603 -1.78605
7 -0.2156 0.4530 -3.3247 1.26865
8 1.7018 1.1169 0.7741 -2.25362
9 -1.7378 -0.3373 -0.6956 1.08774
或者,也许更直接一点,您可以使用面板:
In [16]: p = Panel(data)
In [17]: p
Out[17]:
<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 10 (major) x 2 (minor)
Items: file1.csv to file2.csv
Major axis: 0 to 9
Minor axis: A to B
In [18]: p = p.swapaxes(0, 2)
In [19]: p
Out[19]:
<class 'pandas.core.panel.Panel'>
Dimensions: 2 (items) x 10 (major) x 2 (minor)
Items: A to B
Major axis: 0 to 9
Minor axis: file1.csv to file2.csv
In [20]: p['A']
Out[20]:
file1.csv file2.csv
0 1.0914 -0.4948
1 0.5775 0.6987
2 -0.2157 -1.3949
3 -2.4924 1.5314
4 0.6910 1.8582
5 -1.6196 -1.1717
6 -1.5500 -0.2603
7 -0.2156 -3.3247
8 1.7018 0.7741
9 -1.7378 -0.6956
关于python - 从记录中用 Pandas 索引几个 csv 文件?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/8914992/