如何在熊猫中添加具有特定列计算的行答案

【问题标题】：How to add rows with calculations of specific columns in pandas如何在熊猫中添加具有特定列计算的行
【发布时间】：2018-08-28 16:55:24
【问题描述】：

我有一个 dtaframe，我想在它的末尾添加 2 行，这将指示在一个数字范围之间有多少个单元格。除了第一个和最后一个（我有一个包含很多列的大数据框）之外，我想对所有列执行此操作。例如，我有以下小规模数据框：

    start position      A     b    rnd
0        149449305      4    99     88       
1         47630133      6    50     10   
2        128200594     12     7    600   
3         49423101    100    10      8

我想仅在 A 列和 B 列中计算一个数字介于 0-9 和 10-100 之间的次数，并将其添加到数据框的末尾，范围在'start position' 列的 and ，如下所示：

        start position      A     b    rnd
    0        149449305      4    99     88       
    1         47630133      6    50     10   
    2        128200594     12     7    600   
    3         49423101    100    10      8
    4              0-9      2     1 
    5           10-100      2     3

我该怎么做（不指明列的名称，而不是它们的索引范围，因为我有一个包含许多列的更大数据框）？

【问题讨论】：

标签： python pandas

【解决方案1】：

IIUC，使用pd.cut 和value_counts 得到范围计数，然后我们使用append

newdf=df.iloc[:,1:-1].apply(lambda x : pd.cut(x,[0,9,100],labels=['0-9','10-100']).value_counts())
df.append(newdf.rename_axis('startposition',axis=0).reset_index())
Out[216]: 
     A   b    rnd startposition
0    4  99   88.0     149449305
1    6  50   10.0      47630133
2   12   7  600.0     128200594
3  100  10    8.0      49423101
0    2   3    NaN        10-100
1    2   1    NaN           0-9
df=df.append(newdf.rename_axis('startposition',axis=0).reset_index()).reindex(df.columns,axis=1)
df
Out[217]: 
  startposition    A   b    rnd
0     149449305    4  99   88.0
1      47630133    6  50   10.0
2     128200594   12   7  600.0
3      49423101  100  10    8.0
0        10-100    2   3    NaN
1           0-9    2   1    NaN

【讨论】：

是否也可以计算所有数字 >100 ？并且不仅在一个范围内？

【解决方案2】：

您可以将最后 2 行计算为单独的数据帧，然后将这 2 个数据帧连接起来：

df1 = ...
df2 = pd.DataFrame()
df2['start position'] = ['0-9', '10-99']
df2['A'] = [df1['A'][df1['A'] >= 0][df1['A'] <= 9].count(), df1['A'][df1['A'] >= 10][df1['A'] <= 100].count()]
df2['B'] = [df1['B'][df1['B'] >= 0][df1['B'] <= 9].count(), df1['B'][df1['B'] >= 10][df1['B'] <= 100].count()]

result_df = pd.concat([df1, df2])[['start position','A','B','rnd']].reset_index()

【讨论】：

这将是一个很好的解决方案，但我不想特别提及列的名称，因为在我的原始数据框中，我有很多列

【解决方案3】：

您只需在列表中记下您的间隔一次。

intervals=[(0,9), (10,100)]
outside = []
for a,b in intervals:
    inside = []
    for col in df.columns[1:-1]:
        inside.append(df[col].between(a, b).sum())
    outside.append(inside)

new = []
for i, interval in enumerate(intervals):
    new.append(['-'.join(map(str,interval))] + outside[i] + [''])

new_df = pd.concat([df, pd.DataFrame(new, columns=df.columns)], axis=0, ignore_index=True)

  start position    A   b   rnd
0      149449305    4   99  88
1       47630133    6   50  10
2      128200594   12   7   600
3       49423101  100   10  8
4            0-9    2   1   
5         10-100    2   3

它需要，

5.14 ms ± 713 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

【讨论】：