Split dataframe în mai mică dataframe de Nume de coloană

Question 1

Fac, deci, o serie de Timp/LSTM misiune și am un stoc de date: https://www.kaggle.com/camnugent/sandp500

Chestia este că trebuie să împartă principalele dataframe în mai mică dataframes de numele de fiecare companie. Există o modalitate rapidă de a face acest lucru? pentru că există zeci de Companii, am văzut că acest lucru poate fi făcut cu iloc dar efortul este prea mult.

df = pd.read_csv('all_stocks_5yr.csv', parse_dates=['date'])
df['date'] = pd.to_datetime(df['date'])

grouped_df = df.groupby('Name')

Aici se poate observa mai bine:

După cum puteți vedea, există diferite companii cu nume diferite, ceea ce vreau este o dataframe pentru fiecare companie. Ajutor este apreciat

Question 2

Presupunem că acest lucru este dataframe:

 Name  price
0   aal      1
1   aal      2
2   aal      3
3   aal      4
4   aal      5
5   aal      6
6   bll      7
7   bll      8
8   bll      9
9   bll      8
10  dll      7
11  dll     56
12  dll      4
13  dll      3
14  dll      3
15  dll      5

Apoi efectuați următoarele:

for Name, df in df.groupby('Name'):
    df.to_csv("Price_{}".format(Name)+".csv", sep=";")

Care va salva toate sub-dataframes ca csv. Pentru a vedea ce cod are:

for Name, df in df.groupby('Name'):
    print(df)

se întoarce:

Name  price
0  aal      1
1  aal      2
2  aal      3
3  aal      4
4  aal      5
5  aal      6
  Name  price
6  bll      7
7  bll      8
8  bll      9
9  bll      8
   Name  price
10  dll      7
11  dll     56
12  dll      4
13  dll      3
14  dll      3
15  dll      5

Dacă aveți nevoie pentru a reseta index în fiecare df, face acest lucru:

for Name, df in df.groupby('Name'):
    gf = df.reset_index()
    print(gf)

care vă oferă:

index Name  price
0      0  aal      1
1      1  aal      2
2      2  aal      3
3      3  aal      4
4      4  aal      5
5      5  aal      6
   index Name  price
0      6  bll      7
1      7  bll      8
2      8  bll      9
3      9  bll      8
   index Name  price
0     10  dll      7
1     11  dll     56
2     12  dll      4
3     13  dll      3
4     14  dll      3
5     15  dll      5

Question 3

Acest lucru ar trebui să fie greu de realizat cu boolean indexare:

list_of_dataframes = [
    df[df.Name == name]
    for name
    in df.Name.unique()
]

Serge de Gosson de Varennes · Answer 1 · 2021-11-23T17:49:39

Presupunem că acest lucru este dataframe:

 Name  price
0   aal      1
1   aal      2
2   aal      3
3   aal      4
4   aal      5
5   aal      6
6   bll      7
7   bll      8
8   bll      9
9   bll      8
10  dll      7
11  dll     56
12  dll      4
13  dll      3
14  dll      3
15  dll      5

Apoi efectuați următoarele:

for Name, df in df.groupby('Name'):
    df.to_csv("Price_{}".format(Name)+".csv", sep=";")

Care va salva toate sub-dataframes ca csv. Pentru a vedea ce cod are:

for Name, df in df.groupby('Name'):
    print(df)

se întoarce:

Name  price
0  aal      1
1  aal      2
2  aal      3
3  aal      4
4  aal      5
5  aal      6
  Name  price
6  bll      7
7  bll      8
8  bll      9
9  bll      8
   Name  price
10  dll      7
11  dll     56
12  dll      4
13  dll      3
14  dll      3
15  dll      5

Dacă aveți nevoie pentru a reseta index în fiecare df, face acest lucru:

for Name, df in df.groupby('Name'):
    gf = df.reset_index()
    print(gf)

care vă oferă:

index Name  price
0      0  aal      1
1      1  aal      2
2      2  aal      3
3      3  aal      4
4      4  aal      5
5      5  aal      6
   index Name  price
0      6  bll      7
1      7  bll      8
2      8  bll      9
3      9  bll      8
   index Name  price
0     10  dll      7
1     11  dll     56
2     12  dll      4
3     13  dll      3
4     14  dll      3
5     15  dll      5

setul de date are unele domenii cum ar fi: deschis, mare, mic, aproape... Cum pot să le adăugați atunci când transformarea df la csv?
@enekovalero nu trebuie să faci nimic altceva decât codul de mai sus. Mi df a fost pur și simplu un exemplu. Toate coloanele vor fi în fiecare produs dataframe. E doar filtrat pe nume. Pentru viitorul tau întrebări (sau dacă doriți pentru a testa pe date reale), nu mai posta imagini. În loc de a face acest lucru: df.head(50).to_dict() (sau orice număr în loc de 50) și inserați codul rezultat în între `` <aici> `` în tine AȘA întrebare.
@eneko valero...nu cred conceptul face o mulțime de sens, sau nici un fel de sens. Poți încerca conceptul face referire mai jos? Probabil doar prima 1/4 se aplică la ceea ce faci. github.com/ASH-WICUS/Notebooks/blob/master/...

Joooeey · Answer 2 · 2021-11-23T16:22:54

Acest lucru ar trebui să fie greu de realizat cu boolean indexare:

list_of_dataframes = [
    df[df.Name == name]
    for name
    in df.Name.unique()
]

Acest lucru va funcționa, dar îmi imaginez că va fi destul de lent pe un set de date de mare pentru că aveți pentru a calcula întregul boolean serie pentru fiecare nume unic.

Split dataframe în mai mică dataframe de Nume de coloană

Problema

Cel mai bun răspuns

În alte limbi

Această pagină este în alte limbi

Popular în această categorie

Întrebări frecvente în această categorie