总结 pandas DataFrame答案

【问题标题】：Summarize pandas DataFrame总结 pandas DataFrame
【发布时间】：2021-01-14 13:09:21
【问题描述】：

我想总结一下 pandas DataFrame 文件。这个是这样的->

City      Name      Date
London    Joey      1998
Vegas     Chandler  1999

所以结果会是这样的。 1998 年，乔伊在伦敦。 1999年钱德勒在维加斯。像这样的东西。有什么解决方法吗？或者哪些模块可以帮助我做到这一点？谢谢。

【问题讨论】：

【解决方案1】：

有了这个 csv：

City,Name,Date
London,Joey,1998
Vegas,Chandler,1999

您可以使用以下代码：

import pandas as pd

df = pd.read_csv("test.csv")
for i in range(len(df)):
    print(f"In {df.iloc[i,2]}, {df.iloc[i,0]} was in {df.iloc[i,1]}.")

它遍历数据帧的行，并使用字符串中的格式前缀来打印句子，其中包含使用 df.iloc 的每一行的值。

【讨论】：

【解决方案2】：

要解决这个问题，您实际上只需要遍历行。使用列表推导会比使用 `iterrows: 更快：

如果要修改DataFrame：

在这里，我们使用DataFrame.apply 来“应用”每一行的函数：

def format_row(row):
    return f"In {row['Date']}, {row['Name']} was in {row['City']}."

df = df.apply(lambda r: format_row(r), axis=1)
print(df)

输出：

0       In 1998, Joey was in London.
1    In 1999, Chandler was in Vegas.

您可以定义一个格式化行的函数，如下所示：

def format_row(row):
    return f"In {row[0]}, {row[1]} was in {row[2]}."

然后使用列表推导相应地zip该行并将其传递给函数。

rows = [format_row(r) for r in zip(df["Date"], df["Name"], df["City"])]

如果这些列是DataFrame 中的唯一列，则使用DataFrame.values 会更干净，但提供相同的输出：

rows = [format_row(r) for r in df.values]

在这种情况下，您必须在函数内交换索引值：

return f"In {row[2]}, {row[1]} was in {row[0]}."

【讨论】：

【解决方案3】：

给定数据

df=pd.DataFrame(data=[['London','Joey','1998'],['Vegas','Chandler','1999']],columns=['City','Name','Date'])

如果需要，可以添加一个新列作为摘要，也可以按照@gmdev 的建议将其添加到列表中。

df['Summary']=df.apply(lambda x: 'In '+str(x.Date)+' '+str(x.Name)+' was in '+str(x.City),axis=1)

【讨论】：