使用条件处理我的数据帧 - python jupyter notebook答案

【问题标题】：Processing my dataframes with conditions - python jupyter notebook使用条件处理我的数据帧 - python jupyter notebook
【发布时间】：2020-01-06 13:06:13
【问题描述】：

这是我的第一篇文章，我不太喜欢编程和 python。希望我能很好地描述这一点，请耐心等待:)

对于我的学习，我使用 jupyter notebook（numpy pandas 等）来处理和绘制我的数据。在这里，它与 X 射线束和 Geiger-Müller 计数器有关。它看起来像这样：

# loading my txt
data1_1_KBr = pd.read_csv("1_1_SpektrumCuKBr_Daten.txt",skiprows=2,usecols=[0,1], 
                           names=["Winkel1_1_KBr","Rate1_1_KBr"],delimiter="\t",decimal=",")
#putting into dataframe
df1_1_KBr = pd.DataFrame(data1_1_KBr,columns=["Winkel1_1_KBr","Rate1_1_KBr"])

#this is the correction of my values
N_1_1_KBr = (df1_1_KBr.Rate1_1_KBr/(1-T*df1_1_KBr.Rate1_1_KBr))

更正仅适用于“Rate1_1_KBr”的较高值。

处理后的数据应该是熊猫数据框或类似数组的数据，看起来与我的原始数据相同，但条目已更正。

我尝试写循环，但失败了。

应该是这样的（没有代码只是想法）：

如果“Rate1_1_KBr”的值小于 200，则将它们放入我的新数据框中，如果“Rate1_1_KBr”的值大于 200，则使用我的更正处理它们，然后将它们放入我的新数据框中。

如果有人对像我这样的初学者有一个很好的解释，那就太棒了:)

【问题讨论】：

欢迎来到 SO！请花点时间阅读有关如何发布熊猫问题的信息：stackoverflow.com/questions/20109391/…

标签： python pandas dataframe jupyter-notebook physics

【解决方案1】：

我不确定您是否熟悉 numpy，但您可以以相同的方式对数据帧使用索引。此外，您的代码的第二行是多余的，因为 pd.read_csv 本身返回一个数据帧。所以你想要的代码是这样的：

df1_1_KBr = pd.read_csv("1_1_SpektrumCuKBr_Daten.txt",skiprows=2,usecols=[0,1], 
                           names=["Winkel1_1_KBr","Rate1_1_KBr"],delimiter="\t",decimal=",")
correction_df = df1_1_KBr[df1_1_KBr.Rate1_1_KBr>200]
N_1_1_KBr = df1_1_KBr.copy()
N_1_1_KBr[correction_df.index, 'Rate1_1_KBr'] = (correction_df.Rate1_1_KBr/(1-T*correction_df.Rate1_1_KBr))

请注意，无需使用apply，因为它比这种方式索引要慢得多。

也不确定T 是常量值还是数据帧的一部分。如果是前者，这段代码应该可以工作。

【讨论】：

感谢回答 :) “T”是一个常数。它不起作用：TypeError：不可散列的类型：'Int64Index'。有一个缺失或错位的“'”。我都试过了，但都不行。
@DennisS.你能提供一个 csv 文件的虚拟版本吗？或者只是通过手动添加数据框来更新问题。另外，哪一行会抛出错误？

【解决方案2】：

欢迎丹尼斯，

def proc_rate(rate, threshold, T):
    if rate<threshold:
        return rate
    else:
        return (rate/(1-T*rate))

ans = df1_1_KBr.Rate1_1_KBr.apply(proc_rate, threshold=200, T=T)

如果您想将系列写回原始数据框：

df1_1_KBr.loc[:, 'Rate1_1_KBr'] = df1_1_KBr.Rate1_1_KBr.apply(proc_rate, threshold=200, T=T)

您还可以过滤费率，然后应用校正方法：

sub_frame = df1_1_KBr.Rate1_1_KBr[df1_1_KBr.Rate1_1_KBr<200].apply(proc_rate, threshold=200, T=T)

【讨论】：