Aufteilen einer CSV-Datei in Panda-Datenrahmen durch mehrere Spalten

Question

Ich habe eine tsv-Datei mit mehreren Spalten. Es gibt 10 und mehr Spalten, aber die Spalten, die mir wichtig sind, sind diejenigen mit dem Namen benutzername, shift_id, url_id. Ich möchte einen Datenrahmen erstellen, der zuerst die gesamte CSV-Datei basierend auf Benutzernamen trennt, d. H. Nur Zeilen mit demselben Benutzernamen werden zusammen gruppiert. Aus diesem Chunk mache ich einen weiteren Chunk, in dem nur Zeilen mit bestimmten shift_id gruppiert werden und dann aus diesem Chunk einen Chunk mit derselben URL erstellen. Leider kann ich die Daten aufgrund der Unternehmensregel nicht teilen und eine imaginäre Datentabelle könnte verwirrender sein.

Zwei der anderen Spalten haben Zeitstempel. Ich möchte die Zeitdauer des Chunks berechnen, aber erst, nachdem ich Chunk nach diesen Spalten gruppiert habe.

Ich habe Antworten gesehen, die Datenrahmen um einen bestimmten Spaltenwert teilen, aber in meinem Fall habe ich drei Spaltenwerte und die Reihenfolge, in der sie getrennt sind, zählt auch.

Vielen Dank für Ihre Hilfe!

Answer 1

Angenommen, Sie die Spalten zu lesen dataframe

df = pd.DataFrame({'col1':[1,2,3], 'col2':[4,5,6],'col3':[7,8,9], 
       'col4':[1,2,3],'col5':[1,2,3],'col6':[1,2,3], 
       'col7':[1,2,3],'col8':[1,2,3],'col9':[1,2,3], 
       'col91':[1,2,3]}) 
print(df) 

Ausgang:

 col1 col2 col3 col4 col5 col6 col7 col8 col9 col91 
0  1  4  7  1  1  1  1  1  1  1 
1  2  5  8  2  2  2  2  2  2  2 
2  3  6  9  3  3  3  3  3  3  3 

Jetzt können wir nur drei Spalten von Interesse wählen, lassen Sie es col1, col2, and col3 sein

tmp_df = df[['col1', 'col2', 'col3']] 
print(tmp_df) 

Ausgang :

 col1 col2 col3 
0  1  4  7 
1  2  5  8 
2  3  6  9 

Weitere wollen wir auf drei Spaltenwerte filtern:

final_df = tmp_df[(tmp_df.col1 == 1) & (tmp_df.col2 == 4) & (tmp_df.col3== 7)] 
print(final_df) 

Ausgang:

col1 col2 col3 
0  1  4  7 

Nach dem dataframe Lesen, all diese oben genannten Schritte können in einzelnen Zeile acheived werden:

final = df[['col1', 'col2', 'col3']][(df.col1 == 1) & (df.col2 == 4) & (df.col3== 7)] 
final 

Hoffe es hilft!

Update:

df = pd.DataFrame({'col1':[1,1,1,1,1], 'col2':[4,4,4,4,7],'col3':[7,7,9,7,7], 
       'col4':['X','X','X','X','X'],'col5':['X','X','X','X','X'],'col6':['X','X','X','X','X'], 
       'col7':['X','X','X','X','X'],'col8':['X','X','X','X','X'],'col9':['X','X','X','X','X'], 
       'col91':['X','X','X','X','X']}) 
print(df) 

Ausgang:

 col1 col2 col3 col4 col5 col6 col7 col8 col9 col91 
0  1  4  7 X X X X X X  X 
1  1  4  7 X X X X X X  X 
2  1  4  9 X X X X X X  X 
3  1  4  7 X X X X X X  X 
4  1  7  7 X X X X X X  X 

Nun usinig ähnliche Maskierung wie oben:

final = df[(df.col1 == 1) & (df.col2 == 4) & (df.col3== 7)] 
final 

Ausgang:

col1 col2 col3 col4 col5 col6 col7 col8 col9 col91 
0  1  4  7 X X X X X X  X 
1  1  4  7 X X X X X X  X 
3  1  4  7 X X X X X X  X