df_grouped = df.groupby(['city', 'brand']).agg({'rank': ['mean', 'min', 'max'], 'heat': ['mean', 'min', 'max']})
时间: 2023-08-20 22:05:03 浏览: 51
这是一个对数据框 df 进行分组并聚合操作的语句,按照 city 和 brand 两列进行分组,对 rank 和 heat 两列分别进行均值、最小值、最大值的聚合操作,并将结果存储在一个新的数据框 df_grouped 中。其中 agg() 函数是聚合函数,可以传入一个字典来指定每列需要进行的聚合操作。
相关问题
代码简写:import pandas as pd # 1. 读取指定表格 df1 = pd.read_excel('result-new.xlsx', sheet_name='Sheet1') df2 = pd.read_excel('基础数据-new.xlsx', sheet_name='本外币') df3 = pd.read_excel('基础数据-new.xlsx', sheet_name='人民币') # 标的表索引列位置及数据位置 grouped = df2.groupby(df2.columns[1]).agg({df2.columns[2]: 'sum', df2.columns[5]: 'sum'}).reset_index() grouped1 = df3.groupby(df2.columns[1]).agg({df3.columns[2]: 'sum', df3.columns[5]: 'sum'}).reset_index() # 合并表1和表2的结果 result = pd.merge(df1, grouped, left_on=df1.columns[1], right_on=grouped.columns[0], how='left') result = pd.merge(result, grouped1, left_on=df1.columns[1], right_on=grouped.columns[0], how='left') # 输出结果到文件 result.to_excel('531本外币比年初.xlsx', index=False)
import pandas as pd
# 读取指定表格
df1, df2, df3 = pd.read_excel('result-new.xlsx', sheet_name='Sheet1'), pd.read_excel('基础数据-new.xlsx', sheet_name='本外币'), pd.read_excel('基础数据-new.xlsx', sheet_name='人民币')
# 标的表索引列位置及数据位置
grouped = df2.groupby(df2.columns[1]).agg({df2.columns[2]: 'sum', df2.columns[5]: 'sum'}).reset_index()
grouped1 = df3.groupby(df3.columns[1]).agg({df3.columns[2]: 'sum', df3.columns[5]: 'sum'}).reset_index()
# 合并表1和表2的结果
result = pd.merge(df1, grouped, left_on=df1.columns[1], right_on=grouped.columns[0], how='left')
result = pd.merge(result, grouped1, left_on=df1.columns[1], right_on=grouped1.columns[0], how='left')
# 输出结果到文件
result.to_excel('531本外币比年初.xlsx', index=False)
改进以下代码,使拥有多个拥有人性质的企业在最后结果中仅保留第一个数据,其它内容不变 # 第二题 import pandas as pd # 读取原始数据 df = pd.read_excel('C:\\Users/19242/Desktop/stockdata.xlsx') # 将季度数据转换为年度数据 df['日期'] = pd.to_datetime(df['日期']) df['年份']=df['日期'].dt.year df['长期负债']=df['长期负债合计'] # 处理缺失值 df.fillna(df.mean(), inplace=True) df_grouped = df.groupby(['股票代码', '年份', '实际控制人性质', '行业代码']).mean().reset_index() df_grouped = df_grouped[['股票代码', '年份', '实际控制人性质', '行业代码', '短期负债', '长期负债', '资产负债率']] df_grouped = df_grouped.fillna(df_grouped.mean()) # 输出到新文件 df_grouped.to_excel('C:\\Users/19242/Desktop/python/2/a2.xlsx', index=False)
你可以使用 Pandas 的 drop_duplicates 方法完成该任务。只需要在最后的 df_grouped 上调用该方法即可。代码如下:
```python
import pandas as pd
# 读取原始数据
df = pd.read_excel('C:\\Users/19242/Desktop/stockdata.xlsx')
# 将季度数据转换为年度数据
df['日期'] = pd.to_datetime(df['日期'])
df['年份'] = df['日期'].dt.year
df['长期负债'] = df['长期负债合计']
# 处理缺失值
df.fillna(df.mean(), inplace=True)
df_grouped = df.groupby(['股票代码', '年份', '实际控制人性质', '行业代码']).mean().reset_index()
# 仅保留第一个数据
df_grouped.drop_duplicates(subset=['股票代码', '年份', '实际控制人性质'], keep='first', inplace=True)
df_grouped = df_grouped[['股票代码', '年份', '实际控制人性质', '行业代码', '短期负债', '长期负债', '资产负债率']]
df_grouped = df_grouped.fillna(df_grouped.mean())
# 输出到新文件
df_grouped.to_excel('C:\\Users/19242/Desktop/python/2/a2.xlsx', index=False)
```
这样,对于每个具有多个实际控制人性质的企业,仅保留第一个数据,并保留其它内容不变。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)