Question

我有一个这样创建的CSV文件：

keep_same;get_max;get_min;get_avg
1213;176;901;517
1213;198;009;219
1213;898;201;532

现在，我希望将第四行添加到现有CSV文件中，如下所示：

First column: Remains same: 1213
Second column: Get max value: 898
Third column: Get min value: 009
Fourth column: Get avg value: 422.6

因此最终的CSV文件应为：

keep_same;get_max;get_min;get_avg
1213;176;901;517
1213;198;009;219
1213;898;201;532
1213;898;009;422.6

请帮助我实现相同目标。使用Pandas不是强制性的。

谢谢！

Answer 1

df.agg(...)接受一个dict，其中dict键是列的名称，值是执行所需聚合的字符串：

df_agg = df.agg({'keep_same': 'mode', 'get_max': 'max',
                 'get_min': 'min', 'get_avg': 'mean'})[df.columns]

产生：

   keep_same  get_max  get_min     get_avg
0       1213      898        9  422.666667

然后，您只需将df_agg附加到df：

df = df.append(df_agg, ignore_index=False)

结果：

   keep_same  get_max  get_min     get_avg
0       1213      176      901  517.000000
1       1213      198        9  219.000000
2       1213      898      201  532.000000
0       1213      898        9  422.666667

请注意，附加行的索引为0。如果需要，可以通过ignore_index=True进行追加。

还请注意，如果您打算大量执行此追加操作，它将非常慢。在这种情况下，确实存在其他方法，但是一次或仅几次，追加即可。

Answer 2

假设您不关心可以使用loc[-1]添加行的索引：

df = pd.read_csv('file.csv', sep=';', dtype={'get_min':'object'}) # read csv set dtype to object for leading 0 col
row = [df['keep_same'].values[0], df['get_max'].max(), df['get_min'].min(), df['get_avg'].mean()] # create new row
df.loc[-1] = row # add row to a new line
df['get_avg'] = df['get_avg'].round(1) # round to 1
df['get_avg'] = df['get_avg'].apply(lambda x: '%g'%(x)) # strip .0 from the other records
df.to_csv('file1.csv', index=False, sep=';') # to csv file

退出：

keep_same;get_max;get_min;get_avg
1213;176;901;517
1213;198;009;219
1213;898;201;532
1213;898;009;422.7

对CSV文件的列（不包括标题）应用操作，并在最后一行中更新结果

2 个答案: