我有 -many- csv 文件,其列数相同(行数不同),格式如下:
文件 1:
A1,B1,C1
A2,B2,C2
A3,B3,C3
A4,B4,C4
文件2:
*A1*,*B1*,*C1*
*A2*,*B2*,*C2*
*A3*,*B3*,*C3*
文件...
输出:
A1+*A1*+...,B1+*B1*+...,C1+*C1*+...
A2+*A2*+...,B2+*B2*+...,C2+*C2*+...
A3+*A3*+...,B3+*B3*+...,C3+*C3*+...
A4+... ,B4+... ,C4+...
例如:
文件 1:
1,0,0
1,0,1
1,0,0
0,1,0
文件 2:
1,1,0
1,1,1
0,1,0
输出:
2,1,0
2,1,2
1,1,0
0,1,0
我正在尝试使用 python.pandas 并正在考虑类似的方法来创建读取变量:
dic={}
for i in range(14253,14352):
try:
dic['df_{0}'.format(i)]=pandas.read_csv('output_'+str(i)+'.csv')
except:
pass
然后对列求和:
for residue in residues:
for number in range(14254,14255):
df=dic['df_14253'][residue]
df+=dic['df_'+str(number)][residue]
residues 是作为列名称的字符串列表。
我遇到的问题是我的文件具有不同的行数,并且仅对 df1 的最后一行进行求和。我怎样才能将它们添加到最长文件的最后一行 - 这样就不会丢失数据?我认为 panda 的 groupby.sum 可能是一个选择,但我不明白如何使用它。
添加一个示例 - 现在我明白了:
文件 1:
1,0,0
1,0,1
1,0,0
0,1,0
文件 2:
1,1,0
1,1,1
0,1,0
文件3:
1,0,0
0,0,1
1,0,0
1,0,0
1,0,0
1,0,1
文件...:
输出:
3,1,0
2,1,3
2,1,0
1,1,0
1,0,0
1,0,1
最佳答案
您可以在 pandas 中使用 Panel,它是一个 3D
对象,数据帧的集合:
dfs={ i : pd.DataFrame.from_csv('file'+str(i)+'.csv',sep=',',\
header=None,index_col=None) for i in range(n)} # n files.
panel=pd.Panel(dfs)
dfs_sum=panel.sum(axis=0)
dfs
是数据帧的字典。面板使用 Nan 自动完成缺少值并进行良好的求和。例如:
n [500]: panel[1]
Out[500]:
0 1 2
0 1 0 0
1 1 0 1
2 1 0 0
3 0 1 0
4 NaN NaN NaN
5 NaN NaN NaN
6 NaN NaN NaN
7 NaN NaN NaN
8 NaN NaN NaN
9 NaN NaN NaN
10 NaN NaN NaN
11 NaN NaN NaN
In [501]: panel[2]
Out[501]:
0 1 2
0 1 0 0
1 1 0 1
2 1 0 0
3 0 1 0
4 1 0 0
5 1 0 1
6 1 0 0
7 0 1 0
8 NaN NaN NaN
9 NaN NaN NaN
10 NaN NaN NaN
11 NaN NaN NaN
In [502]: panel[3]
Out[502]:
0 1 2
0 1 0 0
1 1 0 1
2 1 0 0
3 0 1 0
4 1 0 0
5 1 0 1
6 1 0 0
7 0 1 0
8 1 0 0
9 1 0 1
10 1 0 0
11 0 1 0
In [503]: panel.sum(0)
Out[503]:
0 1 2
0 3 0 0
1 3 0 3
2 3 0 0
3 0 3 0
4 2 0 0
5 2 0 2
6 2 0 0
7 0 2 0
8 1 0 0
9 1 0 1
10 1 0 0
11 0 1 0
关于python - 使用 pandas 对多个 csv 文件的数据求和,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/34815823/