我有-许多-csv文件,其具有以下模式的相同列数(不同行数):
文件1:
A1,B1,C1
A2,B2,C2
A3,B3,C3
A4,B4,C4
档案2:
*A1*,*B1*,*C1*
*A2*,*B2*,*C2*
*A3*,*B3*,*C3*
文件 ...
输出:
A1+*A1*+...,B1+*B1*+...,C1+*C1*+...
A2+*A2*+...,B2+*B2*+...,C2+*C2*+...
A3+*A3*+...,B3+*B3*+...,C3+*C3*+...
A4+... ,B4+... ,C4+...
例如:
文件1:
1,0,0
1,0,1
1,0,0
0,1,0
文件2:
1,1,0
1,1,1
0,1,0
输出:
2,1,0
2,1,2
1,1,0
0,1,0
我正在尝试使用python.pandas并正在考虑使用类似的方法来创建读取变量:
dic={}
for i in range(14253,14352):
try:
dic['df_{0}'.format(i)]=pandas.read_csv('output_'+str(i)+'.csv')
except:
pass
然后对各列求和:
for residue in residues:
for number in range(14254,14255):
df=dic['df_14253'][residue]
df+=dic['df_'+str(number)][residue]
残渣是一列字符串,它们是列名。
我有一个问题,我的文件具有不同的行数,并且只累加到df1的最后一行。如何将它们添加到最长文件的最后一行-这样就不会丢失数据?我认为熊猫的groupby.sum可能是一个选择,但我不知道如何使用它。
要添加一个示例-现在我得到了:
文件1:
1,0,0
1,0,1
1,0,0
0,1,0
文件2:
1,1,0
1,1,1
0,1,0
文件3:
1,0,0
0,0,1
1,0,0
1,0,0
1,0,0
1,0,1
文件 ...:
输出:
3,1,0
2,1,3
2,1,0
1,1,0
1,0,0
1,0,1
您可以在pandas(3D
对象,数据帧集合)中使用Panel :
dfs={ i : pd.DataFrame.from_csv('file'+str(i)+'.csv',sep=',',\
header=None,index_col=None) for i in range(n)} # n files.
panel=pd.Panel(dfs)
dfs_sum=panel.sum(axis=0)
dfs
是数据帧的字典。Panel用Nan会自动完成缺少值的操作,并计算总金额。例如 :
n [500]: panel[1]
Out[500]:
0 1 2
0 1 0 0
1 1 0 1
2 1 0 0
3 0 1 0
4 NaN NaN NaN
5 NaN NaN NaN
6 NaN NaN NaN
7 NaN NaN NaN
8 NaN NaN NaN
9 NaN NaN NaN
10 NaN NaN NaN
11 NaN NaN NaN
In [501]: panel[2]
Out[501]:
0 1 2
0 1 0 0
1 1 0 1
2 1 0 0
3 0 1 0
4 1 0 0
5 1 0 1
6 1 0 0
7 0 1 0
8 NaN NaN NaN
9 NaN NaN NaN
10 NaN NaN NaN
11 NaN NaN NaN
In [502]: panel[3]
Out[502]:
0 1 2
0 1 0 0
1 1 0 1
2 1 0 0
3 0 1 0
4 1 0 0
5 1 0 1
6 1 0 0
7 0 1 0
8 1 0 0
9 1 0 1
10 1 0 0
11 0 1 0
In [503]: panel.sum(0)
Out[503]:
0 1 2
0 3 0 0
1 3 0 3
2 3 0 0
3 0 3 0
4 2 0 0
5 2 0 2
6 2 0 0
7 0 2 0
8 1 0 0
9 1 0 1
10 1 0 0
11 0 1 0
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句