如何根據Python中的列值將數據分組爲變量？

Question

我具有以下形式的數據：

p q r y_1 y_2 y_3 y_4 y_5 y_6 y_7 
2 8 14 0748 0748 0748 0790 0804 0818 0832 
2 9 22 1262 1262 1262 1328 1350 1372 1394 
1 5 19 0512 0512 0512 0569 0588 0607 0626 
2 7 19 0748 0748 0748 0805 0824 0843 0862 
3 11 13 1608 1608 1608 1647 1660 1673 1686 
2 7 20 0788 0788 0788 0848 0868 0888 0908 
1 4 15 0310 0310 0310 0355 0370 0385 0400 
3 12 17 2130 2130 2130 2181 2198 2215 2232 
1 4 14 0280 0280 0280 0322 0336 0350 0364 
1 5 20 0552 0552 0552 0612 0632 0652 0672 
2 7 17 0674 0674 0674 0725 0742 0759 0776 
3 10 13 1276 1276 1276 1315 1328 1341 1354 
3 11 20 1846 1846 1846 1906 1926 1946 1966 
3 11 14 1636 1636 1636 1678 1692 1706 1720 
1 6 18 0566 0566 0566 0620 0638 0656 0674 
3 12 16 2096 2096 2096 2144 2160 2176 2192 
2 9 21 1218 1218 1218 1281 1302 1323 1344 
3 10 19 1474 1474 1474 1531 1550 1569 1588 
2 8 13 0720 0720 0720 0759 0772 0785 0798 
1 6 22 0730 0730 0730 0796 0818 0840 0862 
1 4 13 0252 0252 0252 0291 0304 0317 0330 
2 8 15 0778 0778 0778 0823 0838 0853 0868 
3 12 15 2064 2064 2064 2109 2124 2139 2154 
3 10 16 1366 1366 1366 1414 1430 1446 1462 
2 9 16 1028 1028 1028 1076 1092 1108 1124 
1 5 16 0404 0404 0404 0452 0468 0484 0500 
1 6 21 0686 0686 0686 0749 0770 0791 0812 

我想這些陣列與NumPy的和組的數據爲基於Q的相同值的變量進行排序，如下所示：

1 4 13 0252 0252 0252 0291 0304 0317 0330 
q_a 1 4 14 0280 0280 0280 0322 0336 0350 0364 
    1 4 15 0310 0310 0310 0355 0370 0385 0400 
-------------------------------------------------------------------- 
    1 5 16 0404 0404 0404 0452 0468 0484 0500 
q_b 1 5 19 0512 0512 0512 0569 0588 0607 0626 
    1 5 20 0552 0552 0552 0612 0632 0652 0672 
-------------------------------------------------------------------- 
    1 6 18 0566 0566 0566 0620 0638 0656 0674 
q_c 1 6 21 0686 0686 0686 0749 0770 0791 0812 
    1 6 22 0730 0730 0730 0796 0818 0840 0862 
-------------------------------------------------------------------- 
    2 7 17 0674 0674 0674 0725 0742 0759 0776 
q_d 2 7 19 0748 0748 0748 0805 0824 0843 0862 
    2 7 20 0788 0788 0788 0848 0868 0888 0908 
-------------------------------------------------------------------- 
    2 8 13 0720 0720 0720 0759 0772 0785 0798 
q_e 2 8 14 0748 0748 0748 0790 0804 0818 0832 
    2 8 15 0778 0778 0778 0823 0838 0853 0868 
-------------------------------------------------------------------- 
    2 9 16 1028 1028 1028 1076 1092 1108 1124 
q_f 2 9 21 1218 1218 1218 1281 1302 1323 1344 
    2 9 22 1262 1262 1262 1328 1350 1372 1394 
-------------------------------------------------------------------- 
    3 10 13 1276 1276 1276 1315 1328 1341 1354 
q_g 3 10 16 1366 1366 1366 1414 1430 1446 1462 
    3 10 19 1474 1474 1474 1531 1550 1569 1588 
-------------------------------------------------------------------- 
    3 11 13 1608 1608 1608 1647 1660 1673 1686 
q_h 3 11 14 1636 1636 1636 1678 1692 1706 1720 
    3 11 20 1846 1846 1846 1906 1926 1946 1966 
-------------------------------------------------------------------- 
    3 12 15 2064 2064 2064 2109 2124 2139 2154 
q_i 3 12 16 2096 2096 2096 2144 2160 2176 2192 
    3 12 17 2130 2130 2130 2181 2198 2215 2232 

我仍然努力根據q的值對數據進行分組。我的努力，到目前爲止，能夠理清只有數據：

import numpy as np 

data = open('data.dat', "r") 
line = data.readline() 
while line.startswith('#'): 
    line = data.readline() 
data_header = line.split("\t") 
data_header[-1] = data_header[-1].strip() 

_data_ = np.genfromtxt(data, comments='#', delimiter='\t', names = data_header, dtype = None, unpack = True).transpose() 
sorted_index = np.lexsort((_data_['r'], _data_['q'], _data_['p'])) 
_data_ = _data_[sorted_index] 

p_ind = np.nonzero(np.diff(_data_['p']))[0] 
q_ind = np.nonzero(np.diff(_data_['q']))[0] 
r_ind = np.nonzero(np.diff(_data_['r']))[0] 

n_p = len(np.nonzero(np.diff(_data_['p']))[0]) + 1 
n_q = len(np.nonzero(np.diff(_data_['q']))[0]) + 1 
n_r = len(np.nonzero(np.diff(_data_['r']))[0]) + 1 

那裏正在以與NumPy/SciPy的任何功能，可以根據值分組？

Answer 1

我不確定這是您正在尋找的內容，但它可能會有所幫助。

使用pandas.DataFrame來存儲數據，然後GROUPBY

import pandas as pd 
import numpy as np 

df = pd.DataFrame({'A' : ['foo', 'bar', 'foo', 'bar', 
        'foo', 'bar', 'foo', 'foo'], 
       'B' : ['one', 'one', 'two', 'three', 
         'two', 'two', 'one', 'three'], 
       'C' : np.random.choice(8), 'D' : np.random.choice(8)}) 

list(df.groupby(['A', 'B']) 

選項