这个问题似乎很简单,可以说是近乎愚蠢。但考虑到我的场景,我似乎必须这样做,以保持跨多个数据帧的一系列计算的效率。你知道吗
场景:
我有一堆pandas数据帧,其中列名由名称部分和时间部分构成,比如'AA_2018'
和'BB_2017'
。我对不同数据帧的不同列进行计算,所以我必须过滤掉时间段。作为一个mcve我们只想说,我想从包含'BB'
的列中减去包含'AA'
的列,并忽略此数据帧中的所有其他列:
import pandas as pd
import numpy as np
dates = pd.date_range('20180101',periods=3)
df = pd.DataFrame(np.random.randn(3,3),index=dates,columns=['AA_2018', 'AB_2018', 'BB_2017'])
如果我知道列的确切名称,可以使用以下方法轻松完成:
diff_series = df['AA_2018'] - df['BB_2017']
这将返回一个pandas系列,因为我使用单括号[]
,而不是使用双括号[[]]
的datframe。你知道吗
我的挑战:
diff_series
属于pandas.core.series.Series
类型。但是因为我有一些过滤要做,所以我使用df.filter()
返回一个数据帧,其中有一列,而不是一个序列:
# in:
colAA = df.filter(like = 'AA')
# out:
# AA_2018
# 2018-01-01 0.801295
# 2018-01-02 0.860808
# 2018-01-03 -0.728886
# in:
# type(colAA)
# out:
# pandas.core.frame.DataFrame
Snce colAA
是pandas.core.frame.DataFrame
类型,下面也返回一个数据帧:
# in:
colAA = df.filter(like = 'AA')
colBB = df.filter(like = 'BB')
df_filtered = colBB - colAA
# out:
AA_2018 BB_2017
2018-01-01 NaN NaN
2018-01-02 NaN NaN
2018-01-03 NaN NaN
这不是我想要的。这是:
# in:
diff_series = df['AA_2018'] - df['BB_2017']
# out:
2018-01-01 0.828895
2018-01-02 -1.153436
2018-01-03 -1.159985
为什么我要这么做?
因为我希望最后得到一个数据帧,它使用.to_frame()
并根据我使用的过滤器指定名称。你知道吗
我认为效率低下的方法是:
# in:
colAA_values = [item for sublist in colAA.values for item in sublist]
# (because colAA.values returns a list of lists)
colBB_values = [item for sublist in colBB.values for item in sublist]
serAA = pd.Series(colAA_values, colAA.index)
serBB = pd.Series(colBB_values, colBB.index)
df_diff = (serBB - serAA).to_frame(name = 'someFilter')
# out:
someFilter
2018-01-01 -0.828895
2018-01-02 1.153436
2018-01-03 1.159985
我尝试的/我希望的工作:
# in:
(df.filter(like = 'BB') - df.filter(like = 'AA')).to_frame(name = 'somefilter')
# out:
# AttributeError: 'DataFrame' object has no attribute 'to_frame'
# (Of course because df.filter() returns a one-column dataframe)
我还希望df.filter()
可以返回熊猫系列,但没有
我想我本可以问这样的问题:How to convert pandas dataframe column to a pandas series?
但这似乎也没有一个高效的内置单行线。大多数搜索结果的处理方式相反。我已经花了相当长的时间来处理潜在的解决方案,一个显而易见的解决方案可能就在眼前,但我希望你们中的一些人能就如何有效地做到这一点提出建议。你知道吗
所有代码元素易于复制和粘贴:
import pandas as pd
import numpy as np
dates = pd.date_range('20180101',periods=3)
df = pd.DataFrame(np.random.randn(3,3),index=dates,columns=['AA_2018', 'AB_2018', 'BB_2017'])
#diff_series = df[['AA_2018']] - df[['BB_2017']]
#type(diff_series)
colAA = df.filter(like = 'AA')
colBB = df.filter(like = 'BB')
df_filtered = colBB - colAA
#type(df_filtered)
#type(colAA)
#colAA.values
#colAA.values returns a list of lists that has to be flattened for use in pd.Series
colAA_values = [item for sublist in colAA.values for item in sublist]
colBB_values = [item for sublist in colBB.values for item in sublist]
serAA = pd.Series(colAA_values, colAA.index)
serBB = pd.Series(colBB_values, colBB.index)
df_diff = (serBB - serAA).to_frame(name = 'someFilter')
# Attempts:
# (df.filter(like = 'BB') - df.filter(like = 'AA')).to_frame(name = 'somefilter')
您需要} 的对立面-将一列
to_frame
-^{DataFrame
转换为Series
:相关问题 更多 >
编程相关推荐