Question

我有一个csv文件，目前正在使用pandas模块。尚未找到解决我问题的方法。这是示例，问题和所需的输出csv。

csv示例：

project, id, sec, code

1, 25, 50, 01

1, 25, 50, 12

1, 25, 45, 07

1, 5, 25, 03

1, 25, 20, 06

问题：

如果要在给定其他代码（例如12、7和6）的情况下找到重复项，我不想摆脱重复的（id），而是将（sec）的值与（代码）01相加。我需要知道如何设置条件。如果代码7小于60，则不要求和。我使用以下代码按列排序。但是，.isin会删除“ id” 5。在更大的文件中，还会有其他重复的具有相似代码的“ id”。

df = df.sort_values(by=['id'], ascending=[True])
df2 = df.copy()
sort1 = df2[df2['code'].isin(['01', '07', '06', '12'])]

所需的输出：

project, id, sec, code

1, 5, 25, 03

1, 25, 120, 01

1, 25, 50, 12

1, 25, 45, 07

1, 25, 20, 06

我曾经考虑过解析文件，但是我坚持逻辑。

def edit_data(df):
sum = 0
with open(df) as file:
    next(file)

    for line in file:
        parts = line.split(',')
        code = float(parts[3])
        id = float(parts[1])
        sec = float(parts[2])

return  ?

感谢任何帮助，因为我是Python新手，相当于3个月的经验。谢谢！

Answer 1

让我们尝试一下：

df = df.sort_values('id')

#Use boolean indexing to eliminate unwanted records, then groupby and sum, convert the results to dataframe with indexes of groups.
sumdf = df[~((df.code == 7) & (df.sec < 60))].groupby(['project','id'])['sec'].sum().to_frame()

#Find first record of the group using duplicated and again with boolean indexing set the sec column for those records to NaN.
df.loc[~df.duplicated(subset=['project','id']),'sec'] = np.nan

#Set the index of the original dataframe and use combined_first to replace those NaN with values from the summed, grouped dataframe.
df_out = df.set_index(['project','id']).combine_first(sumdf).reset_index().astype(int)

df_out

输出：

   project  id  code  sec
0        1   5     3   25
1        1  25     1  120
2        1  25    12   50
3        1  25     7   45
4        1  25     6   20

在列中查找重复项，设置条件，对另一列中的值求和

1 个答案: