按周日Python分类数据

时间:2015-11-06 00:02:50

标签: python list if-statement zip enumerate

给出Python 2.7中的列表列表:

2.5, 6.5, 10.5, 9, 1.5, 4.5, 7.5, 5, 2, 4, 6, 8

如何打印出一般列表的平均值;然后根据星期几的平均值。 EG:

   Averages     Monday      Tuesday      Wednesday   Thursday   Friday  Saturday Sunday
2.5 6.5 10.5 9    0      1.5 4.5 7.5 5       0       2 4 6 8       0       0       0

其中:

1.5,4.5,7.5,5是上面产生的平均值,因为星期二在此列表中出现两次

2.5,6.5,10.5,9是一般列表的平均值

然后2,4,6,8是星期四发生的平均值

我非常确定我可以使用zip()函数来获取所有类似的值。我不确定每周每天计算的平均值(周一,周二,周三......)

我如何将其组织成一个干净的表格格式,其中包含"平均值"和"星期一,星期二,..."作为其他标题

double

我应该使用if语句吗?

2 个答案:

答案 0 :(得分:4)

对于pandas来说,这似乎是一项出色的工作:

from __future__ import print_function   
import pandas as pd
import numpy as np

raw_data = [['OCT 27, 2015',2,4,6,8],['NOV 03, 2015',1,5,9,2],['NOV 05, 2015',2,4,6,8]]
pandas_data = pd.DataFrame(raw_data, columns=['Date', 'A', 'B', 'C', 'D'])
pandas_data["Date"] = pd.to_datetime(pandas_data["Date"])
print(pandas_data)
print(pandas_data.mean())

输出:

        Date  A  B  C  D
0 2015-10-27  2  4  6  8
1 2015-11-03  1  5  9  2
2 2015-11-05  2  4  6  8

A    1.666667
B    4.333333
C    7.000000
D    6.000000

这为我们提供了所有列的摘要统计信息,但是对于一周中的特定日期,我会做这样的事情(遵循上面的代码):

pandas_data["Day of the Week"] = pandas_data["Date"].dt.dayofweek
grouped_data = pandas_data.groupby('Day of the Week').aggregate(np.mean)
print(grouped_data)

输出:

                   A    B    C  D
Day of the Week
1                1.5  4.5  7.5  5
3                2.0  4.0  6.0  8

pandas'星期几的约定是星期一= 0,星期日= 6

pandas'groupby函数执行它在锡上所说的内容:它根据某些条件对数据进行分组,在本例中为“每周日”列。然后aggregate函数在这些组上运行给定的函数并为您提供结果。

答案 1 :(得分:0)

您可以使用itertools.groupby

from itertools import groupby
import datetime


l = [['OCT 27, 2015', 2, 4, 6, 8],
     ['NOV 03, 2015', 1, 5, 9, 2],
     ['NOV 05, 2015', 2, 4, 6, 8]]


# Day of week as number. Monday == 0 ... Sunday == 6
def day_of_week(str_date):
    return datetime.datetime.strptime(str_date, '%b %d, %Y').weekday()


stats = [None] * 7
for key, group in groupby(l, key=lambda x: day_of_week(x[0])):
    z = zip(*group)
    next(z)  # skip dates
    stats[key] = [sum(i) / len(i) for i in z]

print(stats)

输出:

[None, [1.5, 4.5, 7.5, 5.0], None, [2.0, 4.0, 6.0, 8.0], None, None, None]