python筛选出dataframe中iuName列包含“卧”的iezCode，并去除重复的iezCode

可以使用 Pandas 库来实现这个任务。可以按照如下步骤进行操作：

1. 读取包含 iuName 和 iezCode 的 DataFrame。

2. 使用 str.contains() 方法筛选出 iuName 列中包含“卧”的行，然后仅选取 iezCode 列。

3. 使用 drop_duplicates() 方法去除重复的 iezCode。

下面是示例代码：

import pandas as pd

# 读取包含 iuName 和 iezCode 的 DataFrame
df = pd.read_csv('data.csv')

# 筛选出 iuName 列中包含“卧”的行，然后仅选取 iezCode 列
filtered_df = df[df['iuName'].str.contains('卧')]['iezCode']

# 去除重复的 iezCode
unique_iez_codes = filtered_df.drop_duplicates()

# 输出结果
print(unique_iez_codes)

其中，'data.csv' 是包含 iuName 和 iezCode 列的 CSV 文件。

相关问题

用Python筛选出dataframe中时间列3秒内变化小于±5Nm的所有

### 回答1：
数据，你有什么建议？

我建议您可以使用 pandas 库中的 diff() 函数来计算时间列的变化值，然后使用 abs() 函数取绝对值，再使用 loc[] 函数筛选出变化小于等于 5 的数据。具体代码如下：

df['time_diff'] = df['时间列'].diff()
df = df.loc[abs(df['time_diff']) <= 3, abs(df['变化列']) <= 5]

### 回答2：
要用Python筛选出DataFrame中时间列3秒内变化小于±5Nm的所有行，可以按照以下步骤进行操作：

1. 首先，导入必要的Python库，例如pandas和datetime。

   import pandas as pd
   from datetime import timedelta

2. 加载DataFrame并确保时间列有正确的数据类型。

   df = pd.read_csv('data.csv')  # 假设数据保存在名为data.csv的文件中
   df['时间列'] = pd.to_datetime(df['时间列'])  # 将时间列转换为正确的数据类型

3. 对时间列进行排序。

   df = df.sort_values(by='时间列')

4. 使用循环遍历DataFrame的每一行，并检查连续两行之间的时间间隔是否小于等于3秒，并且对应的数值变化是否小于±5Nm。

   selected_rows = []  # 存储筛选出的行
   prev_row = None  # 存储前一行

   for index, row in df.iterrows():
       if prev_row is not None:
           time_diff = row['时间列'] - prev_row['时间列']
           if time_diff <= timedelta(seconds=3) and abs(row['数值列'] - prev_row['数值列']) <= 5:
               selected_rows.append(row)
       prev_row = row

5. 将筛选出的行组合成一个新的DataFrame。

   selected_df = pd.DataFrame(selected_rows)

6. 最后，可以根据需要进行进一步的处理或分析。

### 回答3：
要使用Python筛选出DataFrame中时间列3秒内变化小于±5Nm的所有数据，可以按照以下步骤进行操作：

1. 首先，确保已经导入了必要的Python库，包括pandas和datetime：

import pandas as pd
from datetime import datetime, timedelta

2. 然后，读取DataFrame数据，并确保时间列的数据类型为datetime类型：

df = pd.read_csv('your_dataframe.csv')
df['时间列'] = pd.to_datetime(df['时间列'])

3. 创建一个空的DataFrame，用于存储筛选后的结果：

filtered_df = pd.DataFrame(columns=df.columns)

4. 遍历原始DataFrame中的每一行数据：

for i, row in df.iterrows():

5. 在循环内，获取当前行的时间和Nm值：

    current_time = row['时间列'].to_pydatetime()
    current_value = row['Nm']

6. 根据当前时间，计算3秒前的时间：

    three_sec_ago = current_time - timedelta(seconds=3)

7. 在三秒前和当前时间之间，筛选出时间列在该范围内的数据：

    mask = (df['时间列'] >= three_sec_ago) & (df['时间列'] <= current_time)
    within_three_sec_df = df.loc[mask]

8. 检查在该时间范围内，Nm值的变化是否小于±5Nm：

    if within_three_sec_df['Nm'].max() - within_three_sec_df['Nm'].min() <= 5:

9. 如果满足条件，将该行数据添加到筛选结果的DataFrame中：

        filtered_df = filtered_df.append(row)

10. 最后，保存筛选结果到新的csv文件中：

filtered_df.to_csv('filtered_dataframe.csv', index=False)

这样，筛选出来的所有时间列3秒内变化小于±5Nm的数据将会保存在filtered_dataframe.csv文件中。

Python中的DataFrame中添加列标题

您可以使用以下代码将列标题添加到Python的DataFrame中：

import pandas as pd

# 创建一个空的DataFrame
df = pd.DataFrame()

# 添加列名
df['Column1'] = []
df['Column2'] = []

您可以根据需要更改列名称，也可以添加更多列名称以满足您的需求。