Question

为了消除测量时的变化，我想在特定范围内进行编译。

例如，我想将列名称在整数的±0.1范围内求和，并将其分配给整数列。但是，由于形状错误，我无法替代。

我认为这是由转换列的类型引起的，但我应该怎么做呢？

谢谢。

import pandas as pd
import  numpy as np

df = pd.DataFrame(data= np.arange(0,10000,1).reshape(100,100))
df.columns = np.arange(0,10,0.1)

print(df.head())
df.columns = df.columns.astype(float)
temp = df.columns.values

for n in np.arange(1, 9, 1):
 l = n - 0.1
 m = n + 0.1
 calc_n = temp[np.where((temp >= l) & (temp <= m))]
 calc = np.sum(df[df.columns.intersection(calc_n)], axis=1)
 n_position = temp[np.where(temp == n)]
 df[n_position] = calc.values

ValueError：形状不匹配：形状的值数组（100，）无法广播到形状的索引结果（1,100）

Answer 1

ValueError是因为n_position是一个数组。因此df[n_position]会为您提供数据框而不是列。

使用浮点数作为索引通常不是一个好主意。比较花车时你应该小心。此行calc_n = temp[np.where((temp >= l) & (temp <= m))]不会始终提供准确的结果。

首先，请尝试：

for n in np.arange(1, 9, 1):
    margin = 0.101     # set your own margin
    calc_n = np.where(np.abs(temp-n) < margin)
    df[n] = df.iloc[:,calc_n[0]].sum(axis=1)

Pandas：按数字列名聚合，并在替换时给出错误

1 个答案: