获取数据框中不同 Id 的行值答案

【问题标题】：Get row values of different Ids in a dataframe获取数据框中不同 Id 的行值
【发布时间】：2018-03-29 10:19:25
【问题描述】：

我对 xlsx 文件中的某些 id 进行了过滤。将它们转换为数据框。 id 总数为 3。其中 Id1（在 xlsx 文件中）有 5 个行值 Id2 有 3 行值 ID3 有 19 行值

在第一步中，我只为每个 Id 提取了一个行值（在我的例子中，行值是 %H:%M:%S.%f 的时间，并且对于每个 Id 都是唯一的）。

我的数据框是这样的：

import pandas as pd 
df = pd.DataFrame([['Id1','01:22:52.134'],['Id2','03:21:31.123'],  ['Id1','21:12:52.544'],['Id3','23:12:31.216'],['Id1','10:22:02.134'],['Id2','06:52:48.184'], ['Id3','12:52:46.188'], ['Id3','06:52:46.184'], ['Id1','13:33:46.235'], ['Id2','14:35:12.235'], ['Id3','14:59:12.177']], columns=["Ids",'Time'])

我的要求是： 我想为我选择的 Id 提取行值，但不是所有行值。例如： - Id1 的 1 行值（最初包含 5） - Id2 的 2 行值（最初包含 3） - Id3 的 17 行值（最初包含 19）

【问题讨论】：

标签： python pandas dataframe

【解决方案1】：

我建议使用groupby + pd.concat 执行此操作。首先，您需要一个映射：

mapping = {'Id1' : 1, 'Id2' : 2, 'Id3' : 17}

现在，使用mapping 仅获取您想要的行数和GroupBy.head：

pd.concat(
    [g.head(mapping[k]) for k, g in df.groupby('Ids')], axis=0
)

    Ids          Time
0   Id1  01:22:52.134
1   Id2  03:21:31.123
5   Id2  06:52:48.184
3   Id3  23:12:31.216
6   Id3  12:52:46.188
7   Id3  06:52:46.184
10  Id3  14:59:12.177

【讨论】：

【解决方案2】：

用途：

ids = {'Id1':1, 'Id2':2, 'Id3':17}
df = df.groupby('Ids', group_keys=False).apply(lambda x: x.head(ids[x.name]))
print (df)
   Ids          Time
0  Id1  01:22:52.134
1  Id2  03:21:31.123
2  Id2  06:52:48.184
3  Id3  23:12:31.216
4  Id3  12:52:46.188
5  Id3  06:52:46.184
6  Id3  14:59:12.177

解释：

首先为映射创建字典
最后一个 groupby 和每个过滤组使用 head 并按字典映射值

【讨论】：

我不知道你是否理解我的问题，但这是我的尝试。 def extractfeatures(sh): vals = sh.row_values for r in range(sh.nrows): while vals(r,0)[1] in TimeList: if vals(r,0)[0] == 'id1': col1 = vals(r,0)[3] if vals(r,0)[0] == 'id2': col2 = [vals(r,0)[3], vals(r,0)[4]] if vals(r,0)[0] =='': col3 = [vals(r,0)[i] for i in range (3,19)] data= [col1, col2, col3] return data