问题陈述:
我有一个如下文件。
name | date | count
John | 201406 | 1
John | 201410 | 2
Mary | 201409 | 180
Mary | 201410 | 154
Mary | 201411 | 157
Mary | 201412 | 153
Mary | 201501 | 223
Mary | 201502 | 166
Mary | 201503 | 163
Mary | 201504 | 169
Mary | 201505 | 157
Tara | 201505 | 2
该文件显示了约翰、玛丽和塔拉三人几个月的计数数据。我想分析这些数据并为每个人提供一个状态标签,即活跃、不活跃或新的。
如果一个人有 201505 和之前其他月份的条目,则该人处于活跃状态 - 例如 Mary
如果一个人没有 201505 的条目,则该人处于不活动状态 - 例如 John
如果一个人只有 1 个 201505 条目,那么他就是新人 - 就像 Tara。
此外,如果一个人很活跃,我想获得他们最后 5 次计数的中位数。例如,对于玛丽,我想得到的平均值为 ((157 + 169 + 163 + 166 + 223 )/5)。
问题:
我想了解如何在 Python 2.7 中读取此文件以满足我的要求。我从以下内容开始,但不确定如何获取特定人员的先前条目(即文件中的先前行)。
for line in data:
col = line.split('\t')
name = col[0]
date = col[1]
count = col[2]
最佳答案
import pandas as pd:
df = pd.read_csv('input_csv.csv') # This assumes you have a csv format file
names = {}
for name, subdf in df.groupby('name'):
if name not in names:
names[name] = {}
if (subdf['date']==201505).any():
if subdf['count'].count()==1:
names[name]['status'] = 'new'
else:
names[name]['status'] = 'active'
names[name]['last5median'] = subdf['count'].tail().median()
else:
names[name]['status'] = 'inactive'
>>>
{'John': {'status': 'inactive'},
'Mary': {'last5median': 166.0, 'status': 'active'},
'Tara': {'status': 'new'}}
关于Python - 根据条件读取文本文件中的特定行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30630003/