Question

我有一个如下所示的数据框（称为错误）：

Code                         ID                Error1     Error 2
Time                                                                
2010-01-01 00:00:31.690    105278.0             None         5  
2010-01-01 00:00:32.000    105278.0             1           None   
2010-01-01 00:00:32.140    105278.0             3           None   
2010-01-01 00:00:32.350    105278.0             None         7   
2010-01-01 00:00:32.460    105278.0             None         1

我想为每个时间戳计算不同类型的错误，并将它们保存在单独的列中：

 error_count =
 pd.get_dummies(errors.set_index('Time')).reset_index()
 error_count.columns = ['Time', 'machineID', 'error1', 'error2',
 'error3', 'error4', 'error5']

 # combine errors for a given machine in a given hour error_count = error_count.groupby(['machineID', 'datetime']).sum().reset_index()

我有两个问题是：我跑的时候

pd.get_dummies(errors.set_index('Time')).reset_index()

我收到了关键错误（KeyError：＆＃39; Time＆＃39;）

第二个问题是我不知道我会在错误中得到多少不同的代码（错误1和错误2）所以我不确定如何编写

error_count.columns = ['Time', 'machineID', 'error1', 'error2',
 'error3', 'error4', 'error5']

反映这一点。

提前谢谢

Answer 1

好吧，如果您发现，Time 已经已设置为索引。您可以通过查询df.index.name来验证这一点，它应该返回Time。

对于第二个查询，您可以将Time和ID设置为索引，然后调用pd.get_dummies。请注意，此处的假设是Time已经是数据中的第一个索引列。我们将添加另一个set_index(..., append=True)。

# df = df.replace('None', np.nan) # optional step, if `None` is a string df ID Error1 Error2 Time 2010-01-01 00:00:31.690 105278.0 NaN 5 2010-01-01 00:00:32.000 105278.0 1 NaN 2010-01-01 00:00:32.140 105278.0 3 NaN 2010-01-01 00:00:32.350 105278.0 NaN 7 2010-01-01 00:00:32.460 105278.0 NaN 1

pd.get_dummies( df.set_index('ID', append=True), prefix='', prefix_sep='')\ .add_prefix("Error")\ .reset_index() Time ID Error1 Error3 Error1 Error5 Error7 0 2010-01-01 00:00:31.690 105278.0 0 0 0 1 0 1 2010-01-01 00:00:32.000 105278.0 1 0 0 0 0 2 2010-01-01 00:00:32.140 105278.0 0 1 0 0 0 3 2010-01-01 00:00:32.350 105278.0 0 0 0 0 1 4 2010-01-01 00:00:32.460 105278.0 0 0 1 0 0

关键错误mulitindex dataftame pandas

1 个答案: