我是 python 新手。我想将索引设置为特定的一组行元素,这些元素对于每个组都是重复的。 我的数据框:
data_dict ={'0_deg': [2, 11, 21, -17, 5, 40, 22, 7, 20, -6, -6, -6, 24, 21, 20, 61, 21, 5, 2, 17],
'10_deg': [12, -21, 11, 1, 4, -2, 33, 53, 18, 10, -3, -1, 23, 18, 23, 8, 11, -25, 21, -14],
'20_deg': [23, -10, 3, 20, -41, 13, 10, 5, -9, 7, -4, -21, 14, -26, -31, 9, 1, -15, 3, -6],
'30_deg': [12, 9, -5, 4, 9, -46, 1, -8, -27, 3, -9, -14, 15, -6, 14, 7, -11, 5, 19, -4]}
data_dict = pd.read_csv('Dataset.csv')
data_dict = data_dict.set_index('Indexes')
#row idx of a group in this list
idx =[4,10,37,109,133]
这里创建了一个列表作为 idx 并且索引值是手动写入的。
但是对于每组 1000 多个索引(随机值)的更大矩阵,这将是一项非常困难的任务。
我想要的是,当我读取 CSV 文件时,应该选择行中的第一个值,直到相同的值出现在同一索引中,它应该被视为 1 组,并且第一组的索引必须存储在idx
例如:在我的小版本数据集中,从第一列 Indexes
开始,第一个值即 4,10,37,109,133
是我的第一组索引。对于下一组,这些值以相同的顺序重复。
只有它们不应该在代码中手动输入。在下一个 4
发生之前,应该考虑一个组。因此索引值 4 到 133 必须被视为 idx 下的一组。这是因为我需要 idx 来获取代码的更多部分。
我的实际数据集每组有 1000 多个索引值。所以 idx 必须自动获取一个组的所有值。
# getting some dimensions and sorting the data
row_idx_length = len(idx)
group_length = len(data_dict['0_deg'])
number_of_groups = len(data_dict.keys())
idx = idx*number_of_groups
data_arr = np.zeros((group_length,number_of_groups),dtype=np.int32)
最佳答案
我相信你需要numpy.tile
对重复次数进行整数除法:
df.index = np.tile(idx, len(df.index) // len(idx))
但是如果报错(N
和M
是一些整数):
ValueError: Length mismatch: Expected axis has N elements, new values have M elements
这意味着在最后一组中缺少一些元素,因此通过 1
添加下一组并根据 DataFrame 的索引
的长度进行过滤:
#added 150 to idx list
idx =[4,10,37,109,133,150]
df.index = np.tile(idx, len(df.index) // len(idx) + 1)[:len(df.index)]
print (df)
0_deg 10_deg 20_deg 30_deg
4 2 12 23 12
10 11 -21 -10 9
37 21 11 3 -5
109 -17 1 20 4
133 5 4 -41 9
150 40 -2 13 -46
4 22 33 10 1
10 7 53 5 -8
37 20 18 -9 -27
109 -6 10 7 3
133 -6 -3 -4 -9
150 -6 -1 -21 -14
4 24 23 14 15
10 21 18 -26 -6
37 20 23 -31 14
109 61 8 9 7
133 21 11 1 -11
150 5 -25 -15 5
4 2 21 3 19
10 17 -14 -6 -4
关于python - 使用 Python 将索引设置为 csv 文件中重复行值的组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56372550/