Question

我的数据框就像df.columns= ['Time1','Pmpp1','Time2',..........,'Pmpp96']，我想一次选择两个连续的列。例如，一次Time1，Pmpp1。我的代码是：

for i,j in zip(df.columns,df.columns[1:]):
    print(i,j)

我目前的输出是：

 Time1 Pmmp1
 Pmmp1 Time2
 Time2 Pmpp2

预期输出为：

 Time1 Pmmp1
 Time2 Pmpp2
 Time3 Pmpp3

Answer 1

您正在压缩列表，并且从第二个元素开始是相同的列表，这不是您想要的。您想压缩列表中不均匀甚至均匀的索引。例如，您可以将代码替换为：

for i, j in zip(df.columns[::2], df.columns[1::2]): print(i, j)

Answer 2

作为整数位置切片的替代方法，可以使用str.startswith创建2个索引对象。然后使用zip成对地遍历它们：

df = pd.DataFrame(columns=['Time1', 'Pmpp1', 'Time2', 'Pmpp2', 'Time3', 'Pmpp3'])

times = df.columns[df.columns.str.startswith('Time')]
pmpps = df.columns[df.columns.str.startswith('Pmpp')]

for i, j in zip(times, pmpps):
    print(i, j)

Time1 Pmpp1
Time2 Pmpp2
Time3 Pmpp3

Answer 3

在这种情况下，重塑DataFrame可能很有意义。因此，您不必再一次选择两列，而是拥有一个带有最终代表您的测量值的两列的DataFrame。

首先，创建一个DataFrames列表，其中每个DataFrames只有一个“ Time and Pmpp”列：

dfs = []
for i in range(1,97):
    tmp = df[['Time{0}'.format(i),'Pmpp{0}'.format(i)]]
    tmp.columns = ['Time', 'Pmpp']  # Standardize column names
    tmp['n'] = i                    # Remember measurement number
    dfs.append(tmp)                 # Keep with our cleaned dataframes

然后您可以将它们一起连接到新的DataFrame中。那有三列。

new_df = pd.concat(dfs, ignore_index=True, sort=False)

对于您的数据，这应该是更易于管理的形状。

>>> new_df.columns
[n, Time, Pmpp]

现在，您可以遍历此DataFrame中的行，并获得预期输出的值

for i, row in new_df.iterrows():
    print(i, row.n, row.Time, row.Psmpp)

这也将使使用其余熊猫来分析数据更加容易。

new_df.Pmpp.mean()
new_df.describe()

Answer 4

经过一系列的试验，我明白了。我的代码如下：

for a in range(0,len(df.columns),2):
    print(df.columns[a],df.columns[a+1])

我的输出是：

DateTime   A016.Pmp_ref
DateTime.1 A024.Pmp_ref
DateTime.2 A040.Pmp_ref
DateTime.3 A048.Pmp_ref
DateTime.4 A056.Pmp_ref
DateTime.5 A064.Pmp_ref
DateTime.6 A072.Pmp_ref
DateTime.7 A080.Pmp_ref
DateTime.8 A096.Pmp_ref
DateTime.9 A120.Pmp_ref
DateTime.10 A124.Pmp_ref
DateTime.11 A128.Pmp_ref

我的数据框有很多（192）列。如何一次选择两列？

4 个答案: