# -*- coding: UTF-8 -*- import pandas as pd # 读取Excel文件 df = pd.read_excel('E:/桌面/预测脆弱性/20230523/基础数据/降雨小于0-分类.xlsx') # 定义筛选条件 condition1 = df['筛选事件'] = 0 condition2 = df['易结冰'] = 1 condition3 = df['管制'] = 1 df.loc[~condition1 & ~condition2 & ~condition3, "分类"] = "事故" df.loc[condition1 & condition2 & ~condition3, "分类"] = "易结冰" df.loc[condition1 & ~condition2 & condition3, "分类"] = "管制" df.loc[~condition1 & condition2 & ~condition3, "分类"] = "事故-易结冰" df.loc[~condition1 & ~condition2 & condition3, "分类"] = "事故-管制" df.loc[condition1 & condition2 & condition3, "分类"] = "易结冰-管制" df.loc[~condition1 & condition2 & condition3, "分类"] = "事故-易结冰-管制" df.loc[condition1 & ~condition2 & ~condition3, "分类"] = "无分类" df.to_excel("E:/桌面/预测脆弱性/20230523/基础数据/降雨小于0-分类结果.xlsx", index=False)为什么结果中易结冰、管制和筛选事故的字段都变成1

在你的代码中，你定义了三个变量condition1、condition2和condition3，它们分别代表了三个筛选条件。然后你使用这三个条件来筛选数据，并将分类结果保存在分类列中。

但是，在你定义这些条件时，你使用了赋值操作符“=”而不是相等比较操作符“==”。这导致将这些条件分别赋值为0、1，而不是判断它们是否等于0或1。

解决方法是将条件定义改为相等比较操作符“==”，如下所示：

condition1 = df['筛选事件'] == 0
condition2 = df['易结冰'] == 1
condition3 = df['管制'] == 1

这样就可以正确地使用这些条件进行筛选了。

相关问题

# -*-coding:utf-8-*- import pandas as pd import json import pprint # 读取csv文件 df = pd.read_csv('202205012-20230512.csv', header=None, skiprows=1, usecols=[1,2,3]) # 将数据转换为JSON格式 data = df.to_dict(orient='records') json_data = json.dumps(data) data_t = json.loads(json_data) for ele in data_t: print(ele['代码'])

这段代码的作用是读取一个csv文件，并将其中的数据转换为JSON格式，然后输出其中每行数据的“代码”这一列的值。

其中：

- 第1行声明编码格式为UTF-8；
- 第2行导入pandas库，用于数据处理；
- 第3行导入json库，用于JSON格式的编码和解码；
- 第5行利用pandas库读取csv文件（文件名为“202205012-20230512.csv”），跳过第1行表头，仅读取第2、3、4列（用cols参数指定），并将其转换为pandas的DataFrame对象df；
- 第8行将DataFrame对象df转换为JSON格式，存储在变量json_data中；
- 第10行将json_data解码为Python对象（即一个字典列表），存储在变量data_t中；
- 第12~14行遍历data_t中的每个字典元素，输出其中key为“代码”的value值。

# -*- coding: utf-8 -*- import os import pandas as pd import numpy as np dir = "D:\\RYG" filename_excel = [] frames = [] for root, dirs, files in os.walk(dir): for file in files: #print(os.path.join(root,file)) filename_excel.append(os.path.join(root,file)) df = pd.read_excel(os.path.join(root,file)) print(filename_excel) result = pd.concat(frames) result.head() result.shape result.to_csv('D:\\RYG\\NEW RYG.csv',sep=',',index = False)

这是一个Python脚本，用于遍历指定目录下的Excel文件，读取数据并合并成一个DataFrame，最后将合并后的数据导出为CSV文件。脚本中使用了os、pandas和numpy等Python库。其中，os库用于遍历目录下的文件，pandas库用于读取和处理Excel数据，numpy库用于处理数值计算。脚本中首先定义了一个目录路径，然后使用os.walk()函数遍历目录下的所有文件，并将Excel文件的路径保存到一个列表中。接着，使用Pandas库中的read_excel()函数读取每个Excel文件的数据，并将其保存到一个DataFrame中。最后，使用concat()函数将所有的DataFrame合并成一个，并将合并后的数据导出为CSV文件。