Question

我有这样的csv数据：

requests_per_sec, 9:00, 100
requests_per_sec, 9:01, 101
...
response_time, 9:00, 40ms
repsonse_time, 9:01, 42ms
...
error_rate, 9:00, 0.01
...

所以我有这个：

pd.read_csv(csv_data,index_col=[1], names= ['metric', 'time', 'value'], parse_dates=True)

它为我提供了一个按时间索引的数据框，其中包含列：metric和value。但我需要拆分该数据帧，以便在同一列中没有3个数据集，而是3个独立的系列（requests_per_sec，response_time和error_rate）。有没有办法直接从read_csv做到这一点？或者我需要一些.groupby（）或.select（）操作吗？

Answer 1

您可以通过两个单独的步骤来完成：首先读取数据，然后重新塑造它 E.g：

import pandas as pd
from StringIO import StringIO

s = """metric,timestamp,datapoint
A,2013-01-01,1
A,2013-01-02,5
A,2013-01-03,8
B,2013-01-01,2
B,2013-01-02,3
B,2013-01-03,4
C,2013-01-01,8
C,2013-01-02,7
C,2013-01-03,6"""

首先，您只需阅读数据：

In [4]: df = pd.read_csv(StringIO(s), parse_dates=[1])

In [5]: df
Out[5]:
  metric           timestamp  datapoint
0      A 2013-01-01 00:00:00          1
1      A 2013-01-02 00:00:00          5
2      A 2013-01-03 00:00:00          8
3      B 2013-01-01 00:00:00          2
4      B 2013-01-02 00:00:00          3
5      B 2013-01-03 00:00:00          4
6      C 2013-01-01 00:00:00          8
7      C 2013-01-02 00:00:00          7
8      C 2013-01-03 00:00:00          6

然后您可以对其进行转换，在这种情况下，使用pivot对其进行重新整理，以便为不同的指标创建列：

In [7]: df.pivot(index='timestamp', columns='metric', values='datapoint')
Out[7]:
metric      A  B  C
timestamp
2013-01-01  1  2  8
2013-01-02  5  3  7
2013-01-03  8  4  6

pandas read_csv：从单个列中拉出多个系列

1 个答案: