我有一個具有以下值的 tsv 檔案：
Jan year Feb year March year
23 1992 34 1991 43 1993
25 1990 36 1993 45 1990
21 1993 38 1992 47 1991
27 1991 30 1990 49 1992
如何將所有年份列合并到一個列中，以便我可以擁有這樣的東西：
year Jan Feb March
1990 25 30 45
1991 27 34 47
1992 23 38 49
1993 21 36 43
我正在使用熊貓，并且由于年份被洗牌，因此我無法合并它們。請讓我知道需要做些什么來實作同樣的目標。
這是資料源，簡而言之，我想要一個year列而不是多個年份列。
uj5u.com熱心網友回復：
按虛擬組對列進行分組：
out = df.groupby(np.repeat(np.arange(len(df.columns) // 2), 2), axis=1) \
.apply(lambda x: x.set_index('year')).droplevel(0, axis=1).reset_index()
print(out)
# Output
year Jan Feb March
0 1990 25 30 45
1 1991 27 34 47
2 1992 23 38 49
3 1993 21 36 43
使用您的資料，之前使用此代碼：
df = pd.read_csv('England_SE_and_Central_S.txt', skiprows=5, sep='\s ')
df.columns = df.columns.str.split('.').str[0]
out = df.groupby(np.repeat(np.arange(len(df.columns) // 2), 2), axis=1) \
.apply(lambda x: x.set_index('year')).droplevel(0, axis=1).reset_index()
輸出：
>>> out
year jan feb mar apr may jun jul aug sep oct nov dec win spr sum aut ann
0 1884 3.5 2.6 2.5 2.5 6.3 9.0 11.6 11.5 10.5 4.8 2.1 2.1 --- 3.77 10.75 5.79 5.76
1 1885 -0.0 3.2 0.4 3.2 4.8 9.2 10.8 9.4 8.3 3.9 3.2 0.4 1.69 2.78 9.82 5.11 4.72
2 1886 -1.1 -1.8 0.2 3.4 6.1 8.6 11.0 11.1 9.9 7.8 3.1 -1.0 -0.80 3.23 10.27 6.91 4.81
3 1887 -1.6 -0.1 -0.1 1.2 5.3 9.2 11.4 10.0 7.6 2.7 1.7 -0.1 -0.92 2.13 10.23 3.98 3.96
4 1888 -0.3 -1.6 -0.1 2.0 5.3 8.9 10.1 10.1 8.5 2.8 5.6 2.0 -0.66 2.39 9.73 5.58 4.45
.. ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
133 2017 0.2 3.6 5.5 4.2 8.7 11.9 13.2 11.8 9.8 9.1 3.3 2.0 2.07 6.14 12.29 7.44 6.96
134 2018 2.9 -0.5 2.1 6.7 8.0 11.1 13.7 12.5 9.3 6.9 5.3 4.4 1.55 5.60 12.47 7.16 6.92
135 2019 0.7 2.2 4.8 4.4 6.4 10.5 12.8 12.4 10.2 7.5 3.6 3.1 2.43 5.23 11.95 7.12 6.59
136 2020 3.8 3.8 3.2 5.1 7.1 10.9 11.7 14.1 9.9 7.8 5.9 2.8 3.55 5.12 12.24 7.87 7.18
137 2021 0.7 2.3 3.1 1.2 6.0 11.5 13.3 12.1 11.6 8.8 3.9 4.6 1.92 3.44 12.28 8.10 6.61
[138 rows x 18 columns]
uj5u.com熱心網友回復：
下面的代碼直接從您提供的 URL 中獲取資料，并且應該生成您期望的輸出。
import pandas as pd
df = pd.read_csv(
"https://www.metoffice.gov.uk/pub/data/weather/uk/climate/datasets/Tmin/ranked/England_SE_and_Central_S.txt",
sep="\s ",
skiprows=5,
storage_options={"User-Agent": "Mozilla/5.0"}
)
months = []
for i in range(df.shape[1] // 2):
tmp = pd.DataFrame(df.iloc[:, 2*i]).set_index(df.iloc[:, 2*i 1])
months.append(tmp)
final_df = pd.concat(months, axis=1)
輸出：
>>> final_df
jan feb mar apr may jun jul aug sep oct nov dec win spr sum aut ann
1884 3.5 2.6 2.5 2.5 6.3 9.0 11.6 11.5 10.5 4.8 2.1 2.1 --- 3.77 10.75 5.79 5.76
1885 -0.0 3.2 0.4 3.2 4.8 9.2 10.8 9.4 8.3 3.9 3.2 0.4 1.69 2.78 9.82 5.11 4.72
1886 -1.1 -1.8 0.2 3.4 6.1 8.6 11.0 11.1 9.9 7.8 3.1 -1.0 -0.80 3.23 10.27 6.91 4.81
1887 -1.6 -0.1 -0.1 1.2 5.3 9.2 11.4 10.0 7.6 2.7 1.7 -0.1 -0.92 2.13 10.23 3.98 3.96
1888 -0.3 -1.6 -0.1 2.0 5.3 8.9 10.1 10.1 8.5 2.8 5.6 2.0 -0.66 2.39 9.73 5.58 4.45
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
2017 0.2 3.6 5.5 4.2 8.7 11.9 13.2 11.8 9.8 9.1 3.3 2.0 2.07 6.14 12.29 7.44 6.96
2018 2.9 -0.5 2.1 6.7 8.0 11.1 13.7 12.5 9.3 6.9 5.3 4.4 1.55 5.60 12.47 7.16 6.92
2019 0.7 2.2 4.8 4.4 6.4 10.5 12.8 12.4 10.2 7.5 3.6 3.1 2.43 5.23 11.95 7.12 6.59
2020 3.8 3.8 3.2 5.1 7.1 10.9 11.7 14.1 9.9 7.8 5.9 2.8 3.55 5.12 12.24 7.87 7.18
2021 0.7 2.3 3.1 1.2 6.0 11.5 13.3 12.1 11.6 8.8 3.9 4.6 1.92 3.44 12.28 8.10 6.61
轉載請註明出處，本文鏈接：https://www.uj5u.com/shujuku/415631.html
標籤：