我有一个代码过滤数据,我不想使用 Pandas 从 Excel 文档中显示 在Jupyter Notebook中。这是英国皇家空军历史飞机展示队,2009年出场时间表。
这是我的Python代码:-
import pandas as pd
xls = pd.ExcelFile(r'C:UsersEdwardDesktopBBMF Schedules And Master Forum Thread TextsBBMF Display Schedule 2009.xls')
data = pd.read_excel(xls, sheet_name="Sheet1")
pd.options.display.max_rows = 1000
df = pd.DataFrame(data, columns= ['Venue','A/C','DISPLAY/','Date','BID'])
df[(df['Venue'].str.contains('[a-zA-Z]') & (df['DISPLAY/'].str.contains('DISPLAY') & df['A/C'].str.contains("DHS|DAK|HS|SPIT")) & (df['A/C'] != 'LHS') & (df['A/C'] != 'LANC'))]
我不确定要键入什么来过滤数据,因为当 BID 列中的数值在下一行的 BID 列中相同时。此外,仅当 A/C 列中的一架飞机(下面和上方 BID 列中的数值相同(是 DAK,并且排除该原则时,只有在 A/C 列的行中显示 DHS 有人可以告诉我,我应该在我的 Python 代码中添加什么来实现这一点, 如果有人可以,将不胜感激。
另外,例如对于过滤后的数据,我想要:-
输出:
145 SCARBOROUGH DAK DISPLAY 2008-05-25 00:00:00 610
150 SCARBOROUGH SPIT DISPLAY 2008-05-25 00:00:00 610
更改为显示以下内容,即将两行合并在一起:-
输出:
SCARBOROUGH DS DISPLAY 2008-05-25 00:00:00 610
和
输出:
173 TARRANT RUSHDEN HS DISPLAY NaN 132
174 TARRANT RUSHDEN DAK DISPLAY NaN 132
更改为显示:-
输出:
TARRANT RUSHDEN DHS DISPLAY NaN 132
我的意思是改为显示,对于所有这些事件,
不仅仅是这两个场馆。
这是我的输出数据示例:-
Venue A/C DISPLAY/ Date BID
25 SHUTTLEWORTH DAK DISPLAY NaN 529
55 KEMBLE DAK DISPLAY NaN 461
69 NORTHWICH SPIT DISPLAY 2008-05-10 00:00:00 514
72 POCKLINGTON SPIT DISPLAY 2009-05-10 00:00:00 821
75 BERLIN DAK DISPLAY 2008-05-12 00:00:00 587
78 MILDENHALL SPIT DISPLAY 2009-05-15 00:00:00 920
93 DUXFORD HS DISPLAY NaN 611
103 CRANWELL HS DISPLAY 2008-05-20 00:00:00 44
145 SCARBOROUGH DAK DISPLAY 2008-05-25 00:00:00 610
150 SCARBOROUGH SPIT DISPLAY 2008-05-25 00:00:00 610
151 CORBRIDGE SPIT DISPLAY NaN 353
167 BRIDGEND-CNX SPIT DISPLAY 2008-05-31 00:00:00 527
173 TARRANT RUSHDEN HS DISPLAY NaN 132
174 TARRANT RUSHDEN DAK DISPLAY NaN 132
179 NORTHOLT SPIT DISPLAY 2009-06-05 00:00:00 870
214 BRIZE NORTON HS DISPLAY NaN 939
218 ROPLEY HS DISPLAY 2008-06-13 00:00:00 355
223 THWAITES HS DISPLAY NaN 364
231 ROPLEY HS DISPLAY NaN 355
240 COSFORD HS DISPLAY 2008-06-14 00:00:00 667
241 QUORN HS DISPLAY NaN 314
244 COSFORD DAK DISPLAY 2008-06-14 00:00:00 NaN
260 REDHILL SPIT DISPLAY NaN 686
269 KEMBLE DAK DISPLAY NaN 316
270 KEMBLE HS DISPLAY NaN 316
280 KEMBLE SPIT DISPLAY 2008-06-21 00:00:00 316
285 KEMBLE DAK DISPLAY 2008-06-21 00:00:00 316
这是网站链接,到.xls即Excel文档文件:-
http://web.archive.org/web/20090804234934/http://www.raf.mod.uk/bbmf/rafcms/mediafiles/F0ED6EA8_1143_EC82_2E4534A1036AA506.xls
你显然需要在我的 Python 代码中将以下内容更改为您称之为 .xls 文件的任何内容。以及您保存在计算机上的路径:-
xls = pd.ExcelFile(r'C:UsersEdwardDesktopBBMF Schedules And Master Forum Thread TextsBBMF Display Schedule 2009.xls')
我已将代码的结尾部分更改为:-
selected = df.loc[df['A/C'] == 'DS', 'DH', 'DHS']
groupby_venue_date = selected.groupby(['Venue', 'BID', 'DISPLAY/'])
aircraft = groupby_venue_date['A/C std'].apply(''.join).rename('Aircraft-combined')
print(aircraft.shape)
pd.DataFrame(aircraft)
但是得到一个:- 索引错误:索引器消息太多,当我运行代码时,这意味着什么?是什么导致了错误法案?
这是我截至2020年1月2日正在运行的代码:-
import pandas as pd
xls = pd.ExcelFile(r'C:UsersEdwardDesktopBBMF Schedules And Master Forum Thread TextsBBMF Display Schedule 2009.xls')
data = pd.read_excel(xls, sheet_name="Sheet1")
pd.options.display.max_rows = 1000
df = pd.DataFrame(data, columns= ['Venue','A/C','DISPLAY/','Date','BID'])
#df[(df['Venue'].str.contains('[a-zA-Z]') & (df['DISPLAY/'].str.contains('DISPLAY') & df['A/C'].str.contains("DHS|DAK|HS|SPIT")) & (df['A/C'] != 'LHS') & (df['A/C'] != 'LANC'))]
df["Date"].fillna("No Date", inplace = True)
df['A/C'].unique().tolist()
rename_map = {
'DAK': 'D',
'SPIT': 'S',
'LANC': 'L',
'HURRI': 'H',
'PARA': 'P'
}
df['A/C std'] = df['A/C'].replace(rename_map)
print(df['A/C std'].unique().tolist())
#selected = df.loc[df['A/C'] == 'DS', 'DH', 'DHS']
selected = df.loc[df['DISPLAY/'] == 'DISPLAY']
groupby_venue_date = selected.groupby(['Venue', 'BID', 'Date', 'DISPLAY/'])
aircraft = groupby_venue_date['A/C std'].apply(''.join).rename('Aircraft-combined')
print(aircraft.shape)
pd.DataFrame(aircraft)
我不确定我是否确切地理解你想做什么,但我会尝试通过提供一些可以帮助您弄清楚的技术来提供帮助。
例如,获取列的唯一值列表:
df['A/C'].unique().tolist()
[nan, 'L', 'S', 'H', 'LHS', 'LANC', 'DAK', 'SPIT', 'HS', 'HURRI', 'PARA', 'LSSD', 'LSS', 'SS', 'LH', 'DH', 'DHS', 'SSSHH']
部分问题似乎是处理这些不同飞机组合的速记条目。 例如,你说'DHS'
代表达科他州、喷火战斗机和飓风。 在尝试合并行之前,最好先处理这些非标准值。 一种方法是使用字典替换所有非标准值。
例如
rename_map = {
'DAK': 'D',
'SPIT': 'S',
'LANC': 'L',
'HURRI': 'H',
'PARA': 'P'
}
df['A/C std'] = df['A/C'].replace(rename_map)
print(df['A/C std'].unique().tolist())
[nan, 'L', 'S', 'H', 'LHS', 'D', 'HS', 'P', 'LSSD', 'LSS', 'SS', 'LH', 'DH', 'DHS', 'SSSHH']
然后,您可以做任何您想做的事情。 例如,选择数据的子集:
selected = df.loc[df['DISPLAY/'] == 'DISPLAY']
assert selected.shape == (202, 6)
然后按选定列对行进行分组,并使用字符串连接方法连接飞机代码:
groupby_venue_date = selected.groupby(['Venue', 'Date'])
aircraft = groupby_venue_date['A/C std'].apply(''.join).rename('Aircraft-combined')
assert aircraft.index.duplicated().sum() == 0
print(aircraft.shape)
print(aircraft.head())
(89,)
Venue Date
AUDLEM 2008-07-26 S
AYLSHAM 2008-08-31 LHS
BEAULIEU 2008-05-25 H
BELTRING 2008-07-26 L
BENSON 2008-08-27 LHS
Name: Aircraft-combined, dtype: object
已联接一些值:
print(aircraft.unique().tolist())
['S', 'LHS', 'H', 'L', 'D', 'HS', 'HSD', 'SLH', 'DHS', 'SD', 'SSSHH', 'LH', 'DS', 'DH', 'HSL']
更新
您可以通过创建函数并使用apply
方法对这些代码执行其他操作。
例如对字符串进行排序,或删除重复的字符(这也恰好对它们进行排序(。
def sorted_string(s):
return ''.join(sorted(s))
def remove_duplicate_chars(s):
return ''.join(set(s))
aircraft = aircraft.apply(remove_duplicate_chars)
print(aircraft.unique().tolist())
['S', 'LHS', 'H', 'L', 'D', 'HS', 'DHS', 'DS', 'LH', 'DH']