البيانات الفرعية في بيثون

Question

أرغب في استخدام ما يعادل أمر المجموعة الفرعية في R لبعض كود بيثون الذي أكتبه.

ها هي بياناتي:

col1    col2    col3    col4    col5
100002  2006    1.1 0.01    6352
100002  2006    1.2 0.84    304518
100002  2006    2   1.52    148219
100002  2007    1.1 0.01    6292
10002   2006    1.1 0.01    5968
10002   2006    1.2 0.25    104318
10002   2007    1.1 0.01    6800
10002   2007    4   2.03    25446
10002   2008    1.1 0.01    6408

أريد مجموعة البيانات بناءً على محتويات col1 و col2. (القيم الفريدة في Col1 هي 100002 و 10002 ، وفي Col2 هي 2006،2007 و 2008.)

يمكن القيام بذلك في R باستخدام أمر المجموعة الفرعية ، هل هناك أي شيء مشابه في Python؟

Answer 1

على الرغم من أن الإجابات المستندة إلى التكرار جيدة تمامًا ، إذا كنت تعمل مع صفائف Numpy (كما ذكرت أنك) هناك طرق أفضل وأسرع لاختيار الأشياء:

import numpy as np
data = np.array([
        [100002, 2006, 1.1, 0.01, 6352],
        [100002, 2006, 1.2, 0.84, 304518],
        [100002, 2006, 2,   1.52, 148219],
        [100002, 2007, 1.1, 0.01, 6292],
        [10002,  2006, 1.1, 0.01, 5968],
        [10002,  2006, 1.2, 0.25, 104318],
        [10002,  2007, 1.1, 0.01, 6800],
        [10002,  2007, 4,   2.03, 25446],
        [10002,  2008, 1.1, 0.01, 6408]    ])

subset1 = data[data[:,0] == 100002]
subset2 = data[data[:,0] == 10002]

هذه العوائد

Subset1:

array([[  1.00002e+05,   2.006e+03,   1.10e+00, 1.00e-02,   6.352e+03],
       [  1.00002e+05,   2.006e+03,   1.20e+00, 8.40e-01,   3.04518e+05],
       [  1.00002e+05,   2.006e+03,   2.00e+00, 1.52e+00,   1.48219e+05],
       [  1.00002e+05,   2.007e+03,   1.10e+00, 1.00e-02,   6.292e+03]])

Subset2:

array([[  1.0002e+04,   2.006e+03,   1.10e+00, 1.00e-02,   5.968e+03],
       [  1.0002e+04,   2.006e+03,   1.20e+00, 2.50e-01,   1.04318e+05],
       [  1.0002e+04,   2.007e+03,   1.10e+00, 1.00e-02,   6.800e+03],
       [  1.0002e+04,   2.007e+03,   4.00e+00, 2.03e+00,   2.5446e+04],
       [  1.0002e+04,   2.008e+03,   1.10e+00, 1.00e-02,   6.408e+03]])

إذا لم تكن تعرف القيم الفريدة في العمود الأول مسبقًا ، فيمكنك استخدام أيضًا numpy.unique1d أو وظيفة بنيت set للعثور عليهم.

تحرير: لقد أدركت للتو أنك تريد تحديد بيانات حيث لديك مجموعات فريدة من عمودين ... في هذه الحالة ، يمكنك أن تفعل شيئًا كهذا:

col1 = data[:,0]
col2 = data[:,1]

subsets = {}
for val1, val2 in itertools.product(np.unique(col1), np.unique(col2)):
    subset = data[(col1 == val1) & (col2 == val2)]
    if np.any(subset):
        subsets[(val1, val2)] = subset

(أنا أقوم بتخزين المجموعات الفرعية كدليل ، مع كون المفتاح عبارة عن مجموعة من المزيج ... هناك بالتأكيد أخرى (والأفضل ، اعتمادًا على ما تفعله) طرقًا للقيام بذلك!)

Answer 2

subset() في R يشبه إلى حد كبير filter() في بيثون. كما يلاحظ المرجع ، سيتم استخدام هذا ضمنيًا عن طريق اختصاصات القائمة ، وبالتالي فإن الطريقة الأكثر وضوحًا وواضحة لكتابة الرمز قد تكون

[ item for item in items if item.col2 == 2006 ] 

على سبيل المثال ، إذا كانت صفوف البيانات الخاصة بك في حالة تسمى items.

Answer 3

نظرًا لأنني لست على دراية بـ R ولا كيف يعمل أمر المجموعة الفرعية بناءً على وصفك ، يمكنني أن أقترح عليك إلقاء نظرة على وظيفة مجموعة Itertool. إذا أعطيت وظيفة تقوم بإخراج قيمة ، فيمكنك تشكيل مجموعات بناءً على إخراج هذه الوظيفة. مأخوذ من مجموعة من:

groups = []
uniquekeys = []
data = sorted(data, key=keyfunc)
for k, g in groupby(data, keyfunc):
    groups.append(list(g))      # Store group iterator as a list
    uniquekeys.append(k)

ثم حصلت على مجموعات فرعية. ومع ذلك ، كن حذرا لأن القيم التي تم إرجاعها ليست قوائم كاملة. إنهم متكررون.

أفترض أن قيمك يتم إرجاعها على أساس كل صف.