Как разделить информационный фрейм pandas на подраздел? - PullRequest
Новая
       1

Как разделить информационный фрейм pandas на подраздел?

0 голосов
/ 27 июня 2019

При попытке разделить все столбцы с плавающей точкой в ​​моем фрейме данных на заранее определенный фрагмент этих же столбцов, мне возвращаются правильные значения, пока я не попытаюсь связать свои индексы с родительским фреймом данных.Можете ли вы помочь мне найти способ правильно индексировать по времени?

Благодаря некоторой помощи на этом форуме функция lamda для разделения фрейма данных работает хорошо, но, похоже, изменится после того, как я попытаюсь установить индекс. 

In [18]: df
Out[18]: 
        Time Well       1       2       3       4
0    0:00:00    A  0.0000  0.0000  0.0000  0.0000
1    0:00:00    B  0.0000  0.0000  0.0000  0.0000
2    0:00:00    C  0.0000  0.0000  0.0000  0.0000
3    0:00:00    D  0.0000  0.0000  0.0000  0.0000
4    0:00:00    E  0.0000  0.0000  0.0000  0.0000
5    0:00:00    F  0.0000  0.0000  0.0000  0.0000
6    0:00:00    G  0.0000  0.0000  0.0000  0.0000
7    0:00:00    H  0.0000  0.0000  0.0000  0.0000
8    0:00:14    A  0.0002  0.0014  0.0001 -0.0017
9    0:00:14    B  0.0024 -0.0020 -0.0016 -0.0006
10   0:00:14    C  0.0027  0.0018  0.0003  0.0024
11   0:00:14    D  0.0019  0.0019  0.0025  0.0013
12   0:00:14    E  0.0024  0.0021  0.0012  0.0005
13   0:00:14    F  0.0017  0.0015 -0.0003  0.0006
14   0:00:14    G  0.0003  0.0001  0.0001 -0.0017
15   0:00:14    H  0.0003 -0.0006 -0.0008 -0.0001
16   1:24:16    A  0.0293  0.0533  0.0223  0.0131
17   1:24:16    B  0.0295  0.0268  0.0200  0.0079
18   1:24:16    C  0.0373  0.0381  0.0165  0.0198
19   1:24:16    D  0.0327  0.0277  0.0282  0.0162
20   1:24:16    E  0.0400  0.0339  0.0234  0.0186
21   1:24:16    F  0.0270  0.0298  0.0141  0.0150
22   1:24:16    G  0.0215  0.0176  0.0114  0.0163
23   1:24:16    H  0.0251  0.0166  0.0292  0.0287
24  10:09:43    A  0.5072  0.6620  0.5092  0.5133
25  10:09:43    B  0.6089  0.5283  0.5426  0.4787
26  10:09:43    C  0.6340  0.6379  0.5221  0.5884
27  10:09:43    D  0.6167  0.5926  0.5856  0.5639
28  10:09:43    E  0.6512  0.6605  0.5561  0.5234
29  10:09:43    F  0.6168  0.6490  0.5577  0.5390
30  10:09:43    G  0.6312  0.5739  0.5221  0.5121
31  10:09:43    H  0.5123  0.5036  0.5052  0.4465

#### Current Output Received ##### 
test = df.groupby('Time').apply(lambda x: x.iloc[:,2:6].reset_index(drop=True)/df[df['Time']=='1:24:16'].iloc[:,2:6].reset_index(drop=True))

In [20]: test
Out[20]: 
                    1          2          3          4
Time                                                  
0:00:00  0   0.000000   0.000000   0.000000   0.000000
         1   0.000000   0.000000   0.000000   0.000000
         2   0.000000   0.000000   0.000000   0.000000
         3   0.000000   0.000000   0.000000   0.000000
         4   0.000000   0.000000   0.000000   0.000000
         5   0.000000   0.000000   0.000000   0.000000
         6   0.000000   0.000000   0.000000   0.000000
         7   0.000000   0.000000   0.000000   0.000000
0:00:14  0   0.006826   0.026266   0.004484  -0.129771
         1   0.081356  -0.074627  -0.080000  -0.075949
         2   0.072386   0.047244   0.018182   0.121212
         3   0.058104   0.068592   0.088652   0.080247
         4   0.060000   0.061947   0.051282   0.026882
         5   0.062963   0.050336  -0.021277   0.040000
         6   0.013953   0.005682   0.008772  -0.104294
         7   0.011952  -0.036145  -0.027397  -0.003484
10:09:43 0  17.310580  12.420263  22.834081  39.183206
         1  20.640678  19.712687  27.130000  60.594937
         2  16.997319  16.742782  31.642424  29.717172
         3  18.859327  21.393502  20.765957  34.808642
         4  16.280000  19.483776  23.764957  28.139785
         5  22.844444  21.778523  39.553191  35.933333
         6  29.358140  32.607955  45.798246  31.417178
         7  20.410359  30.337349  17.301370  15.557491
1:24:16  0   1.000000   1.000000   1.000000   1.000000
         1   1.000000   1.000000   1.000000   1.000000
         2   1.000000   1.000000   1.000000   1.000000
         3   1.000000   1.000000   1.000000   1.000000
         4   1.000000   1.000000   1.000000   1.000000
         5   1.000000   1.000000   1.000000   1.000000
         6   1.000000   1.000000   1.000000   1.000000
         7   1.000000   1.000000   1.000000   1.000000

#### Now attemting to adjust the index ####
test.index = df.set_index(['Time','Well']).index

In [22]: test
Out[22]: 
                       1          2          3          4
Time     Well                                            
0:00:00  A      0.000000   0.000000   0.000000   0.000000
         B      0.000000   0.000000   0.000000   0.000000
         C      0.000000   0.000000   0.000000   0.000000
         D      0.000000   0.000000   0.000000   0.000000
         E      0.000000   0.000000   0.000000   0.000000
         F      0.000000   0.000000   0.000000   0.000000
         G      0.000000   0.000000   0.000000   0.000000
         H      0.000000   0.000000   0.000000   0.000000
0:00:14  A      0.006826   0.026266   0.004484  -0.129771
         B      0.081356  -0.074627  -0.080000  -0.075949
         C      0.072386   0.047244   0.018182   0.121212
         D      0.058104   0.068592   0.088652   0.080247
         E      0.060000   0.061947   0.051282   0.026882
         F      0.062963   0.050336  -0.021277   0.040000
         G      0.013953   0.005682   0.008772  -0.104294
         H      0.011952  -0.036145  -0.027397  -0.003484
1:24:16  A     17.310580  12.420263  22.834081  39.183206
         B     20.640678  19.712687  27.130000  60.594937
         C     16.997319  16.742782  31.642424  29.717172
         D     18.859327  21.393502  20.765957  34.808642
         E     16.280000  19.483776  23.764957  28.139785
         F     22.844444  21.778523  39.553191  35.933333
         G     29.358140  32.607955  45.798246  31.417178
         H     20.410359  30.337349  17.301370  15.557491
10:09:43 A      1.000000   1.000000   1.000000   1.000000
         B      1.000000   1.000000   1.000000   1.000000
         C      1.000000   1.000000   1.000000   1.000000
         D      1.000000   1.000000   1.000000   1.000000
         E      1.000000   1.000000   1.000000   1.000000
         F      1.000000   1.000000   1.000000   1.000000
         G      1.000000   1.000000   1.000000   1.000000
         H      1.000000   1.000000   1.000000   1.000000

#### My oversimplified approach to re-introduce 'Time' and 'Well' only puts 
#in nan values.
test[['Time', 'Well']] = df[['Time','Well']]

Как вы можете видеть матрицу1 переместился со времени = 1:24:16 во время = 10:09:43.Я надеюсь найти способ правильной индексации по времени или, по крайней мере, способ получить основную информацию для столбцов «Время» и «Скважина» во вновь разделенном фрейме данных.

1 Ответ

1 голос
/ 27 июня 2019

Вам нужно использовать reset_index(drop=True), а затем переназначить индекс вашего выходного кадра данных следующим образом: 

test = df.groupby('Time', sort=False).apply(lambda x: x.iloc[:,2:6].reset_index(drop=True)/df[df['Time']=='0:00:14'].iloc[:,2:6].reset_index(drop=True))

test.index = df.set_index(['Time','Well']).index

Выход: 

                       1           2       3           4
Time    Well                                            
0:00:00 A       0.000000    0.000000    0.00   -0.000000
        B       0.000000   -0.000000   -0.00   -0.000000
        C       0.000000    0.000000    0.00    0.000000
        D       0.000000    0.000000    0.00    0.000000
        E       0.000000    0.000000    0.00    0.000000
        F       0.000000    0.000000   -0.00    0.000000
        G       0.000000    0.000000    0.00   -0.000000
        H       0.000000   -0.000000   -0.00   -0.000000
0:00:14 A       1.000000    1.000000    1.00    1.000000
        B       1.000000    1.000000    1.00    1.000000
        C       1.000000    1.000000    1.00    1.000000
        D       1.000000    1.000000    1.00    1.000000
        E       1.000000    1.000000    1.00    1.000000
        F       1.000000    1.000000    1.00    1.000000
        G       1.000000    1.000000    1.00    1.000000
        H       1.000000    1.000000    1.00    1.000000
1:24:16 A     146.500000   38.071429  223.00   -7.705882
        B      12.291667  -13.400000  -12.50  -13.166667
        C      13.814815   21.166667   55.00    8.250000
        D      17.210526   14.578947   11.28   12.461538
        E      16.666667   16.142857   19.50   37.200000
        F      15.882353   19.866667  -47.00   25.000000
        G      71.666667  176.000000  114.00   -9.588235
        H      83.666667  -27.666667  -36.50 -287.000000
Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.

Нет похожих вопросов

...