Question

我有3个功能;一个处理具有4列（MemberID，year，DSFS和DrugCount）的数据帧并返回按年分类的3个数据帧，一个重新格式化年份的辅助函数，以及第三个按年分类重新编码数据帧的数据帧。

如何将按年份分类的数据框作为第三个函数的输入？
我想使用df['DSFS'].unique()找到唯一类别列表。我将用作df？

csv文件的示例。

MemberID DSFS DrugCount 2 61221204 2- 3 months 1 8 30786520 1- 2 months 1 11 28420460 10-11 months 1 12 11861003 4- 5 months 1 14 66905595 6- 7 months 4

def process_DrugCount(drugcount):
    dc = pd.read_csv("DrugCount.csv")
    sub_map = {'1' : 1, '2':2, '3':3, '4':4, '5':5, '6':6, '7+' : 7}
    dc['DrugCount'] = dc.DrugCount.map(sub_map)
    dc['DrugCount'] = dc.DrugCount.astype(int)
    dc_grouped = dc.groupby(dc.Year, as_index=False)
    DrugCount_Y1 = dc_grouped.get_group('Y1')
    DrugCount_Y2 = dc_grouped.get_group('Y2')
    DrugCount_Y3 = dc_grouped.get_group('Y3')
    DrugCount_Y1.drop('Year', axis=1, inplace=True)
    DrugCount_Y2.drop('Year', axis=1, inplace=True)
    DrugCount_Y3.drop('Year', axis=1, inplace=True)
    return (DrugCount_Y1,DrugCount_Y2,DrugCount_Y3)

def replaceMonth(string):
    replace_map = {'0- 1 month' : "0_1", "1- 2 months": "1_2", "2- 3 months": "2_3", "4- 5 months": "4_5", "5- 6 months": "5_6", "6- 7 months": "6_7", "7- 8 months" : "7_8",\
                   "8- 9 months": "8_9", "9-10 months": "9_10", "10-11 months": "10_11", "11-12 months": "11_12"}
    a_new_string = string.map(replace_map)
    return a_new_string

def process_yearly_DrugCount(aframe):
    processed_frame = None
    dc = pd.read_csv("DrugCount.csv")
    sub_map = {'1' : 1, '2':2, '3':3, '4':4, '5':5, '6':6, '7+' : 7}
    dc['DrugCount'] = dc.DrugCount.map(sub_map)
    dc['DrugCount'] = dc.DrugCount.astype(int)
    dc_grouped = dc.groupby(dc.Year, as_index=False)
    DrugCount_Y1 = dc_grouped.get_group('Y1')
    DrugCount_Y1.drop('Year', axis=1, inplace=True)
    # print DrugCount_Y1['DSFS'].unique
    return processed_frame

Answer 1

你的例子对我来说并不是很清楚，但这里有一个略有不同的例子，基于pandas文档展示了一些有用的技巧：

听起来不是使用groupby，而是应该使用df.pivot_table重塑为多索引。

E.g。试试：

import pandas.util.testing as tm; tm.N = 3
def unpivot(frame):
    N, K = frame.shape
    data = {'value' : frame.values.ravel('F'),
            'variable' : np.asarray(frame.columns).repeat(N),
            'date' : np.tile(np.asarray(frame.index), K)}
    return pd.DataFrame(data, columns=['date', 'variable', 'value'])

df = unpivot(tm.makeTimeDataFrame())

进行测试df，然后比较df.head（）：

        date variable     value
0 2000-01-03        A -0.357495
1 2000-01-04        A  0.367520
2 2000-01-05        A  2.216699
3 2000-01-03        B -0.417521
4 2000-01-04        B -1.163966

with print df.pivot_table（index =（“variable”，“date”））

                        value
variable date                
A        2000-01-03 -0.357495
        2000-01-04  0.367520
        2000-01-05  2.216699
B        2000-01-03 -0.417521
        2000-01-04 -1.163966
        2000-01-05 -0.774422
C        2000-01-03  0.560017
        2000-01-04  0.174880
        2000-01-05  0.625167
D        2000-01-03 -1.673194
        2000-01-04 -0.075789
        2000-01-05 -2.041236

然后你可以做df_pivoted.loc ['A']给你：

            value
date                
2000-01-03 -0.357495
2000-01-04  0.367520
2000-01-05  2.216699

您可以使用多年轻松地将其调整为您的示例。这种类型的操作比使用group by更容易，并且它将所有数据保存在一个数据框中（视图）。

您还可以使用value_counts查找所有值及其频率。所以在我的例子中：

df['variable'].value_counts()

会返回一个系列：

D    3
B    3
C    3
A    3
Name: variable, dtype: int64

如果我已正确理解，那么该系列的索引就是您的唯一值列表。所以

list(df['variable'].value_counts().index)

应该给你你想要的东西。

如何使用其他函数的数据框对象？

1 个答案: