나는 뿌리를 내리고 파이썬을 처음 접했지만 빨리 따라 잡기를 바란다. 이 방법 .pandas()
이 TH2D 히스토그램에서 이상한 테이블을 만드는 이유가 궁금합니다 .
myhisto = file["angular_distr_el/ID3_mol_e0_valid/EN_gate/check_cthetaEE_x"]
type(myhisto)
출력 :
uproot.rootio.TH2D
마지막으로 myhisto.pandas ()는 다음을 반환합니다.
count variance
cos(theta) electron energy [eV]
[-inf, -1.0) [-inf, 10.0) 0.0 0.0
[10.0, 10.15) 0.0 0.0
[10.15, 10.3) 0.0 0.0
[10.3, 10.45) 0.0 0.0
[10.45, 10.6) 0.0 0.0
... ... ... ...
[1.0, inf) [24.4, 24.549999999999997) 0.0 0.0
[24.549999999999997, 24.7) 0.0 0.0
[24.7, 24.85) 0.0 0.0
[24.85, 25.0) 0.0 0.0
[25.0, inf) 0.0 0.0
2244 rows × 2 columns
및 myhisto.columns
반환 :
Index(['count', 'variance'], dtype='object')
.pandas()
수행중인 작업을 이해 하는 방법 에 대한 문서는 어디에서 찾을 수 있습니까 ? myhisto
올바른 열을 사용하여 DataFrame에서 재구성하는 방법이 있습니까?
재미 있지만 필사적으로 브라우징 한 후 어떤 종류의 물건인지 이해합니다. 정렬 된 MultiIndex DataFrames 를 만드는 매우 영리한 방법입니다 . myhisto.index를 입력하기 만하면 직접 볼 수 있습니다.
MultiIndex([([-inf, -1.0), [-inf, 10.0)),
([-inf, -1.0), [10.0, 10.15)),
([-inf, -1.0), [10.15, 10.3)),
([-inf, -1.0), [10.3, 10.45)),
([-inf, -1.0), [10.45, 10.6)),
([-inf, -1.0), [10.6, 10.75)),
([-inf, -1.0), [10.75, 10.9)),
([-inf, -1.0), [10.9, 11.05)),
([-inf, -1.0), [11.05, 11.2)),
([-inf, -1.0), [11.2, 11.35)),
...
( [1.0, inf), [23.65, 23.799999999999997)),
( [1.0, inf), [23.799999999999997, 23.95)),
( [1.0, inf), [23.95, 24.1)),
( [1.0, inf), [24.1, 24.25)),
( [1.0, inf), [24.25, 24.4)),
( [1.0, inf), [24.4, 24.549999999999997)),
( [1.0, inf), [24.549999999999997, 24.7)),
( [1.0, inf), [24.7, 24.85)),
( [1.0, inf), [24.85, 25.0)),
( [1.0, inf), [25.0, inf))],
names=['cos(theta)', 'electron energy [eV]'], length=2244)
해결책은 DataFrame의 스택을 해제하거나 피벗 테이블을 만드는 것입니다. 이 특정 개체의 경우 원래 DataFrame의 열로 개수 및 분산이 존재하기 때문에 피벗 테이블이 더 좋습니다. 예로서:
myhisto.unstack()
count ... variance
electron energy [eV] [-inf, 10.0) [10.0, 10.15) [10.15, 10.3) [10.3, 10.45) [10.45, 10.6) [10.6, 10.75) [10.75, 10.9) [10.9, 11.05) [11.05, 11.2) [11.2, 11.35) ... [23.65, 23.799999999999997) [23.799999999999997, 23.95) [23.95, 24.1) [24.1, 24.25) [24.25, 24.4) [24.4, 24.549999999999997) [24.549999999999997, 24.7) [24.7, 24.85) [24.85, 25.0) [25.0, inf)
cos(theta)
[-inf, -1.0) 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
[-1.0, -0.9) 0.0 1.0 1.0 0.0 0.0 2.0 0.0 2.0 0.0 1.0 ... 0.0 0.0 1.0 1.0 0.0 0.0 0.0 0.0 0.0 0.0
[-0.9, -0.8) 0.0 0.0 3.0 3.0 0.0 0.0 0.0 0.0 1.0 1.0 ... 0.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 1.0 0.0
[-0.8, -0.7) 0.0 0.0 1.0 2.0 0.0 1.0 1.0 2.0 1.0 1.0 ... 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
[-0.7, -0.6) 0.0 0.0 1.0 0.0 0.0 1.0 1.0 1.0 1.0 1.0 ... 1.0 1.0 0.0 1.0 1.0 0.0 0.0 1.0 0.0 0.0
[-0.6, -0.5) 0.0 1.0 1.0 1.0 0.0 0.0 2.0 1.0 0.0 3.0 ... 0.0 1.0 0.0 1.0 1.0
**22 rows × 204 columns**
대
pivot_pipanda = pipanda.pivot_table(values="count", index="cos(theta)", columns="electron energy [eV]")
electron energy [eV] [-inf, 10.0) [10.0, 10.15) [10.15, 10.3) [10.3, 10.45) [10.45, 10.6) [10.6, 10.75) [10.75, 10.9) [10.9, 11.05) [11.05, 11.2) [11.2, 11.35) ... [23.65, 23.799999999999997) [23.799999999999997, 23.95) [23.95, 24.1) [24.1, 24.25) [24.25, 24.4) [24.4, 24.549999999999997) [24.549999999999997, 24.7) [24.7, 24.85) [24.85, 25.0) [25.0, inf)
cos(theta)
[-inf, -1.0) 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 ... 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
[-1.0, -0.9) 0.0 1.0 1.0 0.0 0.0 2.0 0.0 2.0 0.0 1.0 ... 0.0 0.0 1.0 1.0 0.0 0.0 0.0 0.0 0.0 0.0
[-0.9, -0.8) 0.0 0.0 3.0 3.0 0.0 0.0 0.0 0.0 1.0 1.0 ... 0.0 0.0 0.0 0.0 1.0 0.0 0.0 0.0 1.0 0.0
[-0.8, -0.7) 0.0 0.0 1.0 2.0 0.0 1.0 1.0 2.0 1.0 1.0 ... 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0
[-0.7, -0.6) 0.0 0.0 1.0 0.0 0.0 1.0 1.0 1.0 1.0 1.0 ... 1.0 1.0 0.0 1.0 1.0 0.0 0.0 1.0 0.0 0.0
[-0.6, -0.5) 0.0 1.0 1.0 1.0 0.0 0.0 2.0 1.0 0.0 3.0 ... 0.0 1.0 0.0 1.0 1.0 0.0 1.0 0.0 0.0 0.0
[-0.5, -0.3999999999999999) 0.0 0.0 2.0 0.0 1.0 1.0 3.0 2.0 3.0 1.0 ... 3.0 0.0 0.0 0.0 0.0 2.0 0.0 1.0 1.0 0.0
그리고 여기에서 판다의 표준 방법을 사용할 수 있습니다!
(loc [] 및 iloc []과 같은 슬라이싱 기술을 사용하려면 : https://www.youtube.com/watch?v=tcRGa2soc-c )
이 기사는 인터넷에서 수집됩니다. 재 인쇄 할 때 출처를 알려주십시오.
침해가 발생한 경우 연락 주시기 바랍니다[email protected] 삭제
몇 마디 만하겠습니다