Question

我正在通过许多csv文件进行交互，并希望将平均温度附加到空白的csv文件中。如何使用pandas创建一个空的csv文件？

for EachMonth in MonthsInAnalysis:
    TheCurrentMonth = pd.read_csv('MonthlyDataSplit/Day/Day%s.csv' % EachMonth)
    MeanDailyTemperaturesForCurrentMonth = TheCurrentMonth.groupby('Day')['AirTemperature'].mean().reset_index(name='MeanDailyAirTemperature')
    with open('my_csv.csv', 'a') as f:
        df.to_csv(f, header=False)

因此，在上面的代码中，如何在my_csv.csv循环之前创建for？

我只知道你可以创建一个数据框，然后将数据框保存到csv，但我对你是否可以跳过这一步感兴趣。

就上下文而言，我有以下csv文件：

每个都具有以下结构：

“日”列每个文件最多可读取30天。

我想输出一个如下所示的csv文件：

但显然包括所有月份的所有日子。

我的问题是，我不知道每个分析中包含哪些月份因此我想使用for循环，该循环使用包含该信息的列表来访问相关的csvs，计算平均温度然后将它全部保存到一个csv中。

以文字形式输入：

    Unnamed: 0  AirTemperature  AirHumidity SoilTemperature SoilMoisture    LightIntensity  WindSpeed   Year    Month   Day Hour    Minute  Second  TimeStamp   MonthCategorical    TimeOfDay
6   6   18  84  17  41  40  4   2016    1   1   6   1   1   10106   January Day
7   7   20  88  22  92  31  0   2016    1   1   7   1   1   10107   January Day
8   8   23  1   22  59  3   0   2016    1   1   8   1   1   10108   January Day
9   9   23  3   22  72  41  4   2016    1   1   9   1   1   10109   January Day
10  10  24  63  23  83  85  0   2016    1   1   10  1   1   10110   January Day
11  11  29  73  27  50  1   4   2016    1   1   11  1   1   10111   January Day

Answer 1

只需在写入模式下打开文件即可创建它。

with open('my_csv.csv', 'w'):
    pass

无论如何，我认为你不应该多次打开和关闭文件。你最好打开一次文件，写几次。

with open('my_csv.csv', 'w') as f:
    for EachMonth in MonthsInAnalysis:
        TheCurrentMonth = pd.read_csv('MonthlyDataSplit/Day/Day%s.csv' % EachMonth)
        MeanDailyTemperaturesForCurrentMonth = TheCurrentMonth.groupby('Day')['AirTemperature'].mean().reset_index(name='MeanDailyAirTemperature')
        df.to_csv(f, header=False)

Answer 2

我会这样做：首先将所有CSV文件（但只有你真正需要的列）读入一个DF，然后制作drop3 :: Int -> [a] -> [a] drop3 n xs = [x | (x, y) <- zip xs [1..], y > n]并将生成的DF保存到CSV文件中：

 @complaints_group = Complaint.group("product_name")

如果想忽略这一年：

   @complaints_group = Complaint.select("product_name").group("product_name")

一些细节：

groupby(['Year','Month','Day']).mean()

将从您的所有CSV文件中生成数据帧元组

import glob
import pandas as pd

fmask = 'MonthlyDataSplit/Day/Day*.csv'
df = pd.concat((pd.read_csv(f, sep=',', usecols=['Year','Month','Day','AirTemperature']) for f in glob.glob(fmask)))
df.groupby(['Year','Month','Day']).mean().to_csv('my_csv.csv')

将它们连接成结果单个DF

import glob
import pandas as pd

fmask = 'MonthlyDataSplit/Day/Day*.csv'
df = pd.concat((pd.read_csv(f, sep=',', usecols=['Month','Day','AirTemperature']) for f in glob.glob(fmask)))
df.groupby(['Month','Day']).mean().to_csv('my_csv.csv')

将生成所需报告作为数据框，可将其保存到新的CSV文件中：

(pd.read_csv(f, sep=',', usecols=['Month','Day','AirTemperature']) for f in glob.glob('*.csv'))

Answer 3

问题有点不清楚，但假设您必须逐月迭代，并按照规定应用groupby，只需使用：

 #Before loops
 dflist=[]

然后在每个循环中执行以下操作：

 dflist.append(MeanDailyTemperaturesForCurrentMonth)

然后在结束时：

 final_df = pd.concat([dflist], axis=1)

这会将所有内容合并到一个数据框中。

看看：

http://pandas.pydata.org/pandas-docs/stable/generated/pandas.concat.html

http://pandas.pydata.org/pandas-docs/stable/merging.html

Answer 4

创建一个空白的csv文件就像这个

一样简单。

import pandas as pd

pd.DataFrame({}).to_csv("filename.csv")

使用pandas创建空csv文件

4 个答案: