如何在熊猫中使用if，elif和else语句

Question

我有一个包含6250行和275列的数据集。

假设我有一列为：

DATETIME:23.539070 2019] [ssl:info] [pid 2277] [remote ::1:8043] AH02411: SSL Proxy: Peer certificate does not match for hostname example.com
[DATETIME:23.542946 2019] [ssl:info] [pid 2277] [remote ::1:8043] AH01998: Connection closed to child 0 with abortive shutdown (server example.com:80)
[DATETIME:23.542998 2019] [proxy:error] [pid 2277] (502)Unknown error 502: [client 86.91.123.69:50609] AH01084: pass request body failed to [::1]:8043 (localhost)
[DATETIME:23.543040 2019] [proxy:error] [pid 2277] [client 86.91.123.69:50609] AH00898: Error during SSL Handshake with remote server returned by /
[DATETIME:23.543045 2019] [proxy_http:error] [pid 2277] [client 86.91.123.69:50609] AH01097: pass request body failed to [::1]:8043 (localhost) from 86.91.123.69 ()


What am I doing wrong ?

使用Time 0.0 0.0 0.0 18:56.5

读取数据

我正在尝试：

1. 通过一个条件，如果row1具有0，则打印row2
2. 如果第2行也有0，则打印第3行

我尝试了几次，没有任何结果。

我尝试遵循：

df = pd.read_clipboard(sep=',')

它没有显示任何错误，结果仅显示t = record['Time'].iloc[0] t1 = record['Time'].iloc[1] t2 = record['Time'].iloc[2] t3 = record['Time'].iloc[3] if t != 0: print ('Start_time: ', t) elif t1 != 0: print('Start_time: ', t1) elif t2 != 0: print('Start_time: ', t2) else: print('Start_time: ',t3) 值。它没有通过条件。

我也尝试过：

t's

它说明：

  

TypeError：“ str”和“ int”的实例之间不支持“ <=”

Answer 1

循环if语句

如果“ if，elif，else条件”满足任何一个条件，则不检查剩余条件。因此，以上代码仅显示了结果的t值。您必须检查每个if语句的所有值。

for i in range(4):
    t = record['Time'].iloc[i]
    t = float(t) # t seems like "str" type, you mentioned type error.
    if t != 0:
        print("At t{}, start_time : {}".format(i, t))

熊猫的状况

record[record['Time'] != 0]

它将显示您想要的记录。

Answer 2

看看这是否适合您。仅当时间格式使用冒号而不是点时，此功能才有效。我已经将18：56.5更改为18：56：5（用冒号代替56后的点）。

df['Time']= pd.to_datetime(df['Time'], format='%H:%M:%S',errors='coerce').fillna(0)
for index, row in df.iterrows():
    if row['Time']!= 0:
        print(row['Time'].strftime("%H:%M:%S"))
    else:
       pass

Answer 3

1. 您的问题是，如何在if中使用elif，else和pandas
   • 您似乎真正想做的是返回值!='0.0'
2. 遍历DataFrame是一个糟糕的主意，因为它效率不高。
   • 在DataFrames中使用向量化操作。 Pandas: Essential basic functionality
3. 显示的数据格式不正确！
   • 0.0和13:15.3不是时间格式
   • 全部为object或str类型，因此t1 <= 0将不起作用。
   • pd.to_datetime也将不起作用。

df = pd.DataFrame({'Time': ['0.0', '0.0', '0.0', '18:56.5', '0.0', '0.0', '07:45.4'],
                   'Time2': ['0.0', '13:15.3', '0.0', '17:03.0', '0.0', '0.0', '07:45.4']})

创建dict中的DataFrames：

• 以下代码查看每一列，并将DataFrame添加到df_dict。 keys是column中的df个名称，而values是!= '0.0'的所有内容。

df_dict = dict()

for x in df.columns:
    df_dict[x] = df[x][df[x] != '0.0']  # .reset_index(drop=True) can be added here

df_dict输出：

df_dict['Time']
3    18:56.5
6    07:45.4
Name: Time, dtype: object


df_dict['Time2']
1    13:15.3
3    17:03.0
6    07:45.4
Name: Time2, dtype: object

将所有内容合并为一个DataFrame：

df_all = pd.concat([v for _, v in df_dict.items()], axis=1)

1. .reset_index(drop=True)将解决索引号问题
2. 每列中的值数量可能会不同，因此列长度将无法对齐。如果重置索引，则df_all的末尾将有NaN个值填充列的末尾。