Sehr spezifische Aufgabe mit Pandas

Question

Ich habe diesen Datensatz, der Informationen über Mars Krater darstellt. Ich interessiere mich nur für die Breite, Länge und die Anzahl der sichtbaren Schichten Spalten. Ich versuche, den Breitengrad in Gruppen von 10 Grad zu bringen: -90 bis -80, -80 bis -70 usw., während ich die Layer-Spaltenwerte (0,1,2,3,4,5) nehme und in diese umwandle Spalten selbst, um eine Tabelle der value_counts jedes Schichtspaltenwerts für jede 10-Grad-Gruppe zu erhalten.

meine Haare ausziehen auf dieser ich alles scheinbar versuchte ich verstehen konnte.

Answer 1

Funktioniert das für Sie?

import pandas as pd 
import random 

# generate random data 
N = 100 
longitudes = [random.randint(-20, 89) for _ in xrange(N)] 
layers = [random.randint(0, 5) for _ in xrange(N)] 
data = pd.DataFrame({'LONGITUDE_CIRCLE_IMAGE': longitudes, 'NUMBER_LAYERS': layers}) 

def get_degree_group(longitude, mn=-20, mx=90, delta_deg=10): 
    """calculate the layer from the given longitude""" 
    return (longitude - mn)/delta_deg 

def make_table(df): 
    # make a new column by calculating the degree group from longitude column 
    df['degree_group'] = df.LONGITUDE_CIRCLE_IMAGE.apply(get_degree_group) 
    # count the number of craters with properties (deg_grp, num_lyr) 
    s = df.groupby(['degree_group', 'NUMBER_LAYERS']).size() 
    # s is a pandas Series where the index is in the form: (deg_grp, num_lyr) 
    # and the values are the counts of crates in that category 
    # 
    # We want to convert the series into a table where num_lyr values are columns 
    # This task is done with unstack method 
    table = s.unstack('NUMBER_LAYERS') 
    # there are some (deg_grp, num_lyr) cases for which there are no existing craters 
    # Pandas put NaN for those cases. It might be better to put 0 into those cells 
    table.fillna(0, inplace = True) 
    return table 

make_table(data) 

Answer 2

Verwendung pd.cut Gruppen zu machen, und pivot_table zu zählen.

Eine Probe von Daten:

lat=rand(3000)*180-90 
layers=randint(0,6,3000) 
data=pd.DataFrame({'lat':lat,'layers':layers}) 

18 Gruppen bilden:

data['groups'] = pd.cut(lat,linspace(-90,90,19)) 

und einen Tisch:

data.pivot_table(index='groups',columns='layers',aggfunc='count',fill_value=0) 

      lat    
layers  0 1 2 3 4 5 
groups      
(-90, -80] 4 1 2 1 1 0 
(-80, -70] 1 0 0 2 2 3 
(-70, -60] 4 3 2 4 3 4 
(-60, -50] 6 2 1 1 2 3 
(-50, -40] 2 3 4 2 2 4 
(-40, -30] 4 3 4 2 4 4 
(-30, -20] 2 5 2 2 3 2 
(-20, -10] 4 2 6 3 5 2 
(-10, 0]  3 4 2 3 2 1 
(0, 10]  5 3 4 3 4 7 
(10, 20]  3 3 2 2 2 3 
(20, 30]  2 1 1 4 3 5 
(30, 40]  1 2 0 2 2 3 
(40, 50]  1 3 3 2 3 4 
(50, 60]  6 0 2 4 1 6 
(60, 70]  3 3 2 5 1 5 
(70, 80]  1 4 5 3 2 2 
(80, 90]  1 7 3 2 4 2