使用作为字符串一部分的整数迭代 for 循环答案

【问题标题】：Iterate a for loop with an integer which is a part of a string使用作为字符串一部分的整数迭代 for 循环
【发布时间】：2018-09-11 12:05:59
【问题描述】：

我有一个带有 Time[s]、Time[s].1、Time[s].2 等轴直到 Time[s].30 的 pandas 数据框。我想找出具有最大分辨率的列。为此，我认为我需要将所有这些都放在一个 for 循环中。由于名称'Time[s].x'是一个字符串，我不知道如何将它从0迭代到30。

for i in df['Time[s]."Something to write here"]:

示例输入数据框：（列直到 Time[s].30）

Time[s]     v1  Time[s].1   v2
160.84621   0   160.84808   7
161.14613   0   161.14802   7

样本输出：'Time[s]' 因为间隔即(df['Time[s]'][1] - df['Time[s]][0])小于 (df['Time[s].1'][1] - df['Time[s].1][0])。我需要检查所有 30 列。

【问题讨论】：

请发布一些示例输入和预期输出
@VivekKalyanarangan 请在那里找到输入和所需的输出。
@tworitdash - 你认为列名的差异最大吗？
@jezrael 是的，我需要最小差异。

标签： python pandas loops indexing

【解决方案1】：

我认为需要：

print (df)
     Time[s]  v1  Time[s].1  v2  Time[s].2  v3              Time[s].3  v4
0  160.84621   0  160.84808   7  168.84621   0              162.84808   7
1  161.14613   0  161.14802   7  170.14613   0              164.14802   7
2  163.12613   0  161.14852   7  170.64613   0  Disable this function   7
3  165.16613   0  161.14892   7  170.24613   0              160.14802   7

df1 = df.filter(like='Time').apply(lambda x: pd.to_numeric(x, errors='coerce')).diff()
print (df1)
   Time[s]  Time[s].1  Time[s].2  Time[s].3
0      NaN        NaN        NaN        NaN
1  0.29992    0.29994    1.29992    1.29994
2  1.98000    0.00050    0.50000        NaN
3  2.04000    0.00040   -0.40000        NaN

s = df1.idxmin(axis=1)
print (s)
0          NaN
1      Time[s]
2    Time[s].1
3    Time[s].2
dtype: object

解释：

首先通过DataFrame.filter过滤所有带有Time的列
每列转换to_numeric，参数errors='coerce'表示将非数字转换为NaNs
通过DataFrame.diff获取差异
最后通过DataFrame.idxmin按每行最小值获取列名

【讨论】：

我在 "df = df.filter(like='Time').diff()" 这一行遇到了数据类型错误。错误：unsupported operand type(s) for -: 'str' and 'str'
@tworitdash - df.filter(like='Time').astype(float).diff() 工作如何？
现在有这个了。 ValueError: could not convert string to float: 'Disable this function'
@tworitdash - 这意味着数字之间有字符串值Disable this function，我编辑答案以将这些值替换为NaNs
没错！谢谢