我有一個大型數據集，列出了在全國不同地區銷售的競爭對手產品。我希望通過使用這些新數據幀名稱中的列值的迭代過程，根據區域將該數據幀分成幾個其他區域，以便我可以分別處理每個數據幀-例如根據價格對每個地區的信息進行排序，以了解每個地區的市場情況。我給出了以下數據的簡化版本:

Competitor Region ProductA ProductB

Comp1 A ￡10 ￡15

Comp1 B ￡11 ￡16

Comp1 C ￡11 ￡15

Comp2 A ￡9 ￡16

Comp2 B ￡12 ￡14

Comp2 C ￡14 ￡17

Comp3 A ￡11 ￡16

Comp3 B ￡10 ￡15

Comp3 C ￡12 ￡15

我可以使用以下內容創建區域列表:

region_list=df['Region'].unique().tolist()

我希望在產生大量數據幀的迭代循環中使用它，例如

df_A :

Competitor Region ProductA ProductB

Comp1 A ￡10 ￡15

Comp2 A ￡9 ￡16

Comp3 A ￡11 ￡16

我可以使用代碼針對每個區域手動執行此操作

df_A=df.loc[df['Region']==A]

但是實際情況是，該數據集包含大量區域，這會使此代碼變得乏味。有沒有一種方法可以創建可重復此過程的迭代循環？有一個類似的問題詢問有關拆分數據幀的問題，但答案并未顯示如何根據每個列的值來標記輸出。

我對Python還是很陌生，并且仍然在學習，因此，如果實際上有另一種更明智的方法來解決此問題，那么我很樂意提出建議。

參考方案

通過不同值進行子集稱為groupby，如果僅想通過for循環遍歷各個組，則語法為:

for region, df_region in df.groupby('Region'):

print(df_region)

Competitor Region ProductA ProductB

0 Comp1 A ￡10 ￡15

3 Comp2 A ￡9 ￡16

6 Comp3 A ￡11 ￡16

Competitor Region ProductA ProductB

1 Comp1 B ￡11 ￡16

4 Comp2 B ￡12 ￡14

7 Comp3 B ￡10 ￡15

Competitor Region ProductA ProductB

2 Comp1 C ￡11 ￡15

5 Comp2 C ￡14 ￡17

8 Comp3 C ￡12 ￡15

pandas DataFrame:根據另一列中的布爾值計算總和 - python

我對Python相當陌生，我嘗試在pandas中模擬以下邏輯我目前正在循環拋出行，并希望對前幾行的AMOUNT列中的值求和，但只求和最后一次看到的“ TRUE”值。實際數據似乎效率低下(我的數據框大約有500萬行)？想知道用Python處理這種邏輯的有效方法是什么？邏輯：邏輯是，如果FLAG為TRUE，我想對前幾行的AMOUNT列中的值求和，但只求和最后一次…Pandas Dataframe:在越來越多的列上循環并計算均值和標準差 - python

基本上，我有一個包含20個屬性和一個值的表。我想找到std = 0-(即粒度級別完美允許1：1)所需的最少數量的屬性。我想建立一個循環如果使用列名進行硬編碼，則看起來像這樣：for iter in range(1,21): dfcalc = df.groupby("LINE_NUM")["RATIO"].agg([np…pandas.DataFrame.replace更改列的dtype - python

因此，我試圖用np.nan替換數據框中的None值，并注意到在此過程中，即使數據框中的float列的數據類型不包含任何丟失的數據，它們也都更改為object。舉個例子：import pandas as pd import numpy as np data = pd.DataFrame({'A':np.nan,'B':1…重命名默認ID python - python

我想連接兩個dataFrames，但是兩個數據具有不同的ID，所以結果是錯誤的這是我的代碼data=pd.DataFrame(df.columns) data1=data.drop(axis=1,index=[0,1,2,3]).transpose() data1 這是dataframe1另一個數據框：y=sma_algo(df.loc['H+L&…Python GPU資源利用 - python

我有一個Python腳本在某些深度學習模型上運行推理。有什么辦法可以找出GPU資源的利用率水平？例如，使用著色器，float16乘法器等。我似乎在網上找不到太多有關這些GPU資源的文檔。謝謝！ 參考方案 您可以嘗試在像Renderdoc這樣的GPU分析器中運行pyxthon應用程序。它將分析您的跑步情況。您將能夠獲得有關已使用資源，已用緩沖區，不同渲染狀態上…

總結

以上是生活随笔為你收集整理的python数据框 命名_Python-根据列值将数据框分为多个数据框，并用这些值命名 - python...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。