Вопросы Теги

Выполнение расчетов по списку выбранных столбцов [дубликат]

Это строка после , которая соответствует тому, что вам интересно, не так ли? В sed это можно сделать так: 

sed -n '/ABC/{n;p}' infile

В качестве альтернативы вариант grep's A может быть тем, что вы ищете. 

-A NUM, Print NUM lines of trailing context after matching lines.

Например, учитывая следующее входной файл: 

foo
bar
baz
bash
bongo

Вы можете использовать следующее: 

$ grep -A 1 "bar" file
bar
baz
$ sed -n '/bar/{n;p}' file
baz

Надеюсь, что это поможет.

19
задан foglerit 6 November 2012 в 20:17
поделиться

4 ответа

In [20]: df = pd.DataFrame({'A':[1,1,2,2],'B':[1,2,1,2],'values':np.arange(10,30,5)})

In [21]: df
Out[21]:
   A  B  values
0  1  1      10
1  1  2      15
2  2  1      20
3  2  2      25

In [22]: df['sum_values_A'] = df.groupby('A')['values'].transform(np.sum)

In [23]: df
Out[23]:
   A  B  values  sum_values_A
0  1  1      10            25
1  1  2      15            25
2  2  1      20            45
3  2  2      25            45
24
ответ дан Wouter Overmeire 21 August 2018 в 22:41
поделиться
  • 1
    Большой! Я знал, что должен быть один лайнер. Благодарю. – foglerit 7 November 2012 в 00:03

Я нашел способ, используя join: 

In [101]:
aggregated = df.groupby('A').sum()['values']
aggregated.name = 'sum_values_A'
df.join(aggregated,on='A')

Out[101]:
   A  B  values  sum_values_A
0  1  1      10            25
1  1  2      15            25
2  2  1      20            45
3  2  2      25            45

У кого-то есть более простой способ сделать это?

3
ответ дан foglerit 21 August 2018 в 22:41
поделиться 
In [15]: def sum_col(df, col, new_col):
   ....:     df[new_col] = df[col].sum()
   ....:     return df

In [16]: df.groupby("A").apply(sum_col, 'values', 'sum_values_A')
Out[16]: 
   A  B  values  sum_values_A
0  1  1      10            25
1  1  2      15            25
2  2  1      20            45
3  2  2      25            45
3
ответ дан Garrett 21 August 2018 в 22:41
поделиться

Это не так прямо, но я нашел его очень интуитивным (использование карты для создания новых столбцов из другого столбца) и может быть применено ко многим другим случаям: 

gb = df.groupby('A').sum()['values']

def getvalue(x):
    return gb[x]

df['sum'] = df['A'].map(getvalue)
df
3
ответ дан joaquin 21 August 2018 в 22:41
поделиться
  • 1
    Спасибо, метод карты кажется довольно мощным. Конечно, он будет часто использовать его. – foglerit 7 November 2012 в 00:04
Другие вопросы по тегам:

Похожие вопросы: