Question

我正在使用pandas来阅读和分析大型NHS处方数据集。它们被单独保存为文件夹中的csv文件。我想分别对这些文件应用相同的几行代码 - 所以我想用pandas单独读取每个数据帧，然后提取相关数据并执行基本计算。

到目前为止，这是我的代码：

import pandas as pd
import glob

path = "/Volumes/TOSHIBA EXT/Datasets/2015"
all_files = glob.glob(path + "/*.CSV")

for f in all_files:
    pd.read_csv(f,index_col=None, header=0, usecols=[2,4,5], names=['PRACTICE','BNF NAME', 'ITEMS'])
    f=f[f['BNF NAME'].str.contains('Ampicillin' and 'Amoxicillin' and 'Co-Amoxiclav')]
    print pd.to_numeric(f['ITEMS']).sum()

但是会出现以下错误..

TypeError: string indices must be integers, not str

我最好定义一个函数来选择包含字符串的相关行：“氨苄西林”，“阿莫西林”和“共同阿莫西克拉夫”;然后总计每个项目的项目数（即总计名为'ITEMS'的列），然后我可以在for循环中使用它来迭代每个文件。

欢迎任何有关如何避免此错误并实现上述目标的指示。

非常感谢！：）

Answer 1

f是文件名，但您将其用作DataFrame - f['BNF NAME']。

你需要

df = pd.read_csv(...)

然后你可以使用

df['BNF NAME']

df = df[ df['BNF NAME'] ... ]

df['ITEMS']

Answer 2

您的代码中存在两个问题：

1）pd.read_csv的返回值不存储在变量中。这就是您获得TypeError的原因 - 您尝试对f（文件名）进行操作，就像它是DataFrame一样。

2）过滤器不起作用，因为表达式从里到外进行评估。要解决此问题，您可以创建一个选项列表，然后使用isin来测试目标是否在列表中，如下所示：

df["BNF Name"].isin(['Ampicillin', 'Amoxicillin', 'Co-Amoxiclav'])

迭代文件夹中的文件

2 个答案: