Question

我试图运行代码：

import pandas as pd

df = pd.read_csv('test.csv', sep=',', header=None, names=['datatable', 'col'])

def replace_letter(group):
    letters = group.isin(['T', 'Q'])              # select letters
    group[letters] = int(group[~letters].max()) + 1  # replace by next max
    return group


df['col'] = df.groupby('datatable').transform(replace_letter)
print df

关于数据：

DatatableA,1
DatatableA,2
DatatableA,3
DatatableA,4
DatatableA,5
DatatableB,1
DatatableB,6
DatatableB,T
DatatableB,3
DatatableB,4
DatatableB,5
DatatableB,2
DatatableC,3
DatatableC,4
DatatableC,2
DatatableC,1
DatatableC,Q
DatatableC,5
DatatableC,T

希望产生以下内容

DatatableA,1
DatatableA,2
DatatableA,3
DatatableA,4
DatatableA,5
DatatableB,1
DatatableB,6
DatatableB,7
DatatableB,3
DatatableB,4
DatatableB,5
DatatableB,2
DatatableC,3
DatatableC,4
DatatableC,2
DatatableC,1
DatatableC,6
DatatableC,5
DatatableC,6

我收到了追溯：

Traceback (most recent call last):
  File "C:/test.py", line 11, in <module>
    df['col'] = df.groupby('datatable').transform(replace_letter)
  File "C:\Python27\lib\site-packages\pandas\core\groupby.py", line 1981, in transform
    res = path(group)
  File "C:\Python27\lib\site-packages\pandas\core\groupby.py", line 2006, in <lambda>
    slow_path = lambda group: group.apply(lambda x: func(x, *args, **kwargs), axis=self.axis)
  File "C:\Python27\lib\site-packages\pandas\core\frame.py", line 4416, in apply
    return self._apply_standard(f, axis)
  File "C:\Python27\lib\site-packages\pandas\core\frame.py", line 4491, in _apply_standard
    raise e
ValueError: ("invalid literal for int() with base 10: 'col'", u'occurred at index col')

我正在尝试用该表的下一个最高整数替换字母T或任何其他字母。第一个表没有错误，第二个表包含1个T，第三个表包含2个t。有没有我正确使用的东西，但我更多地意思是使用pandas，因为这个库似乎对数据操作非常有用。

编辑1

拥有标题确实是一个问题，只需将header更改为=True即可。但是我仍然无法使用此代码来执行我想要的操作。

import pandas as pd

df = pd.read_csv('test.csv', sep=',', header=True, names=['datatabletest', 'col'])

def replace_letter(group):
    letters = group.isin(['T', 'Q'])              # select letters
    group[letters] = int(group[~letters].max()) + 1  # replace by next max
    return group

df["duplicate"] = df['col']
print df
df['col'] = df.groupby('datatabletest').transform(replace_letter)
print df

我希望复制该列，因此我有一份原件的副本，只更改了其中一列中的字母。你能看出我做错了吗？

Answer 1

我猜你的csv文件实际上包含一个标题，它的第一行是datatable,col。然后，当您指定header=None时，此标头将作为数据帧的第一行加载。您应该使用skiprows参数跳过标题，或者从删除header=None的文件中读取标题。

比较这两个例子：

>>> s = "DatatableA,1"
>>> df = pd.read_csv(StringIO(s),  sep=',', header=None, 
...          names=['datatable', 'col'])
>>> df['col'] = df.groupby('datatable').transform(replace_letter)
>>> df
    datatable  col
0  DatatableA    1

但是

>>> df = pd.read_csv(StringIO('datatable,col\n'+s),  sep=',',
...          header=None, names=['datatable', 'col'])
>>> df['col'] = df.groupby('datatable').transform(replace_letter)
Traceback (most recent call last):
  ...
ValueError: ("invalid literal for int() with base 10: 'col'", u'occurred at index col')

在pandas中格式化数据

编辑1

1 个答案: