Question

我有一个大型的pandas数据帧df，其中包含犯罪统计数据。列是犯罪类别（即ARSON，ASSAULT，BAD CHECKS，GRAND THEFT等）。行是犯罪发生的地址。

每个单元格中的值是每个犯罪类别在该地址发生的次数。

我需要编写一个迭代hte数据帧每一行的函数，将值与每个类别的MEAN犯罪数量进行比较，然后只识别那些犯罪数量超过均值的地址。

到目前为止，这是我的代码：

import pandas as pd
import csv
crimeData = open("crimeData.csv")
df = pd.read_csv('crimeData.csv')
df = df.set_index ('Address')
mean = df.mean(axis=0)
#this gives me the mean for each Crime Category
for index, row in df.iterrows():
    if row > mean:
        print (index)

这不起作用。我收到以下错误：

ValueError：系列的真值是不明确的。使用a.empty，a.bool（），a.item（），a.any（）或a.all（）。

我哪里错了？我怎样才能a）确定每个地址的哪些犯罪类别比平均数更多，以及b）将地址以及超出平均数的犯罪类别打印到列表中？

Answer 1

你说row > mean的地方出了问题，这是将一个系列与一个系列进行比较，并会返回一系列真实和虚假的[True, False, False, True] ，它是错误的，因为你问这是真还是假，当然，它可以是两者。

您可以将解决方案更改为：

...
mean = df.mean(0)

for index, row in df.iterrows():
    print(index, list(df.columns[row > mean]))

然而，更好的方法是避免使用iterrows迭代行。您可以通过以下方式相对简洁地完成此操作：

...
df.set_index('Address', inplace=True)

df[df > df.mean(0)].notnull().apply(lambda x: ', '.join(df.columns[x]),axis=1)

第一部分df[df > df.mean(0)]生成一个数据帧，用null替换小于均值的任何值。

.notnull()部分将空值转换为False，将大于均值的值转换为True。

然后apply部分获取列标题并将True或False值应用于它们，删除False列标题，最后我们连接＆＃39; True＆＃39;标题为每个地址的逗号分隔列表。

Answer 2

IIUC你可以这样做：

project
|-app
  |-component1
    |-<angular component files>
  |-helpers
    |-helper1
      |-<plain typescript file>
|-node_modules

Answer 3

<强> crimeData.csv

Address         Arson   Burglary  Assault  Murder
Lennon Rd       1       5         3        0
Starr Avenue    2       2         7        0
Harrison Lane   3       1         1        1

import pandas as pd

crimeData = open("crimeData.csv")
df = pd.read_csv('crimeData.csv')
df = df.set_index ('Address')
mean = df.mean()

# You can do the evaluation as simply as this...
exceeded = df[df > mean]
print(exceeded)

               Arson  Burglary  Assault  Murder
Address                                        
Lennon Rd        NaN       5.0      NaN     NaN
Starr Avenue     NaN       NaN      7.0     NaN
Harrison Lane    3.0       NaN      NaN     1.0

发表评论......

for _, row in exceeded.iterrows():
    print(row.name, ":", " ".join(row.dropna().axes[0].values))

Answer 4

mean是pandas.core.series.Series类型的对象。您正在将另一个Series对象row与mean进行比较，这就像说＆＃34;此Series是否大于此Series？＆＃ 34;这就是为什么异常说这种比较是不明确的。＆＃34;尝试这样的事情（完成模拟数据，因为没有提供）：

df = pd.DataFrame({'A': [1,2,3,4,5], 'B': [5,4,3,4,5], 'C': [6,7,8,9,10]})
mean = df.mean(axis = 0)

# This will give you all of the rows in `df` that are above the average for that crime statistic
for col in df.columns:
    higher_than_mean = df[df[col] > mean[col]][col]

每列的higher_than_mean示例（犯罪统计数据）：

3    4
4    5
Name: A, dtype: int64
0    5
4    5
Name: B, dtype: int64
3     9
4    10
Name: C, dtype: int64

Answer 5

请注意：
这是一个矢量化解决方案，不需要任何循环。 @MaxU还提供了一个矢量化解决方案，用于识别可能超过任何类别平均值的地址。

考虑下面模拟的数据框crimeData

crime_cats = ['ARSON', 'ASSAULT', 'BAD CHECKS', 'GRAND THEFT']
addresses = ['addr_{}'.format(i) for i in range(10)]
crimeData = pd.DataFrame(
    np.random.choice(np.arange(5), size=(10, 4), p=(.6, .1, .1, .1, .1)),
    addresses, crime_cats
)

crimeData

默认情况下，crimeData.mean()计算每列的平均值。默认情况下，当我们将数据框与系列进行比较时，它会逐行比较它们，将系列索引与列标签对齐。这是一个数据框，其中特定地址的犯罪大于犯罪类型的平均值，否则为零。

crime_gt_avg = (crimeData > crimeData.mean()).astype(np.uint8)
crime_gt_avg

迭代数据帧中的行以将值与值进行比较

5 个答案: