我将索引设置为"ShiftId",如下所示:201912240(日期后跟 0 或 1,表示白班或夜班(。我让我的 df 按索引值分组,如预期的那样返回如下:
col1 col2
201912240 NaN 23
201912241 44 75
201912250 12 NaN
201912251 46 91
我想重新组合这个数据帧以取每天的平均值(忽略 NaN 值(,然后它看起来像这样
col1 col2
20191224 44 49
20191225 29 91
但是我无法对当前的索引值进行分组。我试过了
days_frame.index = days_frame.index.map(lambda x: str(x)[:-1])
days_frame.groupby(days_frame.index).mean()
但这甚至不会改变 df 中的任何内容?
请帮忙
你为我工作的解决方案,也许你忘记将输出分配给变量,就像这里df
days_frame.index = days_frame.index.map(lambda x: str(x)[:-1])
df = days_frame.groupby(days_frame.index).mean()
print (df)
col1 col2
20191224 44.0 49.0
20191225 29.0 91.0
另一种解决方案首先重命名索引,然后使用每个索引值mean
:
df = days_frame.rename(lambda x: str(x)[:-1]).mean(level=0)
print (df)
col1 col2
20191224 44.0 49.0
20191225 29.0 91.0
或者将索引转换为字符串,删除最后一个值并使用聚合mean
传递给groupby
:
df = days_frame.groupby(days_frame.index.astype(str).str[:-1]).mean()
print (df)
col1 col2
20191224 44.0 49.0
20191225 29.0 91.0
编辑:
如果要避免截断所有列而不A
列,请在写入文件之前使用此解决方案:
df = pd.DataFrame({'A':[.41,1.5,.2,2,.3],
'B':['a'] * 5,
'C':[3,4,5,4,5],
'D':[1.0,3,4,5,6]})
cols = df.columns.difference(['A'])
df[cols] = df[cols].applymap(lambda x: '%.0f' % x if isinstance(x, (float, int)) else x)
print (df)
A B C D
0 0.41 a 3 1
1 1.50 a 4 3
2 0.20 a 5 4
3 2.00 a 4 5
4 0.30 a 5 6