Подброс данных в Python
Вопрос
Я хочу использовать эквивалент команды подмножества в R для некоторого кода Python, который я пишу.
Вот мои данные:
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
Я хочу подмножать данные на основе содержания col1
а также col2
. Отказ (Уникальные значения в COL1 составляют 100002 и 10002, а в Col2 составляют 20062007 и 2008 гг.)
Это можно сделать в R, используя команду подмножества, есть ли что-нибудь похожее в Python?
Решение
Хотя ответы на основе итератора, отлично в порядке, если вы работаете с Numpy Armays (как вы упоминаете, что вы находитесь), есть лучшие и быстрые способы выбора вещей:
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]
Это урожайность
Подборка1:
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]])
Подборка2:
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]])
Если вы не знали уникальные значения в первом столбце заранее, вы можете использовать либо numpy.unique1d
или встроенная функция set
найти их.
Редактировать: Я только что понял, что вы хотите выбрать данные, где у вас есть уникальные комбинации двух столбцов ... В этом случае вы можете сделать что-то подобное:
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
(Я храням подмножества как дикт, с ключом быть кортежом комбинации ... наверняка есть другие (и лучше, в зависимости от того, что вы делаете) способов сделать это!)
Другие советы
subset()
в r в значительной степени аналогично filter()
в питоне. В качестве справочных заметок это будет использоваться неявно по возможностям списка, поэтому наиболее краткий и чистый способ написать код может быть
[ item for item in items if item.col2 == 2006 ]
Если, например, ваши строки данных были в итерателе items
.
Поскольку я не знаком с r, nathy Как это подмножество работает, основанное на вашем описании, я могу предложить, вы посмотрите на функциональность Groupby Itertool. Если задано функцию, которая выводит значение, вы можете формировать группы, основанные на выходе этой функции. Взято из группа по:
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)
И тогда у вас есть ваши подвески. Тем не менее, будьте осторожны, поскольку возвращаемые значения не являются полноценными списками. Это итераторы.
Я предполагаю, что ваши ценности возвращаются на подряд.