集團通過行25

塊我有2列的csv文件，代表項目每年分佈，看起來像這樣：集團通過行25

等，約15000線。

根據這些數據製作分佈圖時，斧頭上的點太多了，不太漂亮。我想按照25年的積木來分組，所以最後我會少砍一點。因此，舉例來說，從1900年直到1925年我會在-B柱上生產的物品在A柱的總和，1行1列：

1925 53 
1950 15

到目前爲止，我只能想出如何在CSV數據轉換文件爲int：

o=open('/dates_dist.csv', 'rU') 
mydata = csv.reader(o) 


def int_wrapper(mydata): 
    for v in reader: 
     yield map(int, v) 

reader = int_wrapper(mydata)

找不到如何進一步做...

來源

2014-09-29 user3241376

你可以使用itertools.groupby：

import itertools as IT 
import csv 

def int_wrapper(mydata): 
    for v in mydata: 
     yield map(int, v) 


with open('data', 'rU') as o: 
    mydata = csv.reader(o) 
    header = next(mydata) 
    reader = int_wrapper(mydata) 
    for key, group in IT.groupby(reader, lambda row: (row[0]-1)//25+1): 
     year = key*25 
     total = sum(row[1] for row in group) 
     print(year, total)

個

產量

(1900, 10) 
(1925, 43) 
(1950, 15)

需要注意的是1900年至1925年（含）跨越26年來，如果你希望將25年來，給你所報告的彙總的方式不那麼25 ，你可能要半 - 開放時間間隔(1900, 1925]。

表達row[0]//25取年和整數25。該數目除以將是在範圍[1900年，1925年）的所有數字是相同的。要使範圍在左側半開，請減去並加1：(row[0]-1)//25+1。

來源

2014-09-29 10:42:59 unutbu

哇，這是快速和完美的！非常感謝:) – user3241376 2014-09-29 12:11:37

@unutbu - 推測'csv.reader'會像這樣創建：'csv.reader（o，delimiter =''，skipinitialspace = True）'或類似的東西？（以迎合非標準和可變空間分隔符）。 – mhawke 2014-09-29 12:31:42

@mhawke：是的;由於OP在調用csv.reader的方式上似乎沒有問題，因此我沒有更改該代碼以適應數據的呈現方式。 – unutbu 2014-09-29 13:32:46

這是我的方法。它絕對不是最吸引人的Python代碼，但可能是實現所需輸出的一種方式。

if __name__ == '__main__': 

    o=open('dates_dist.csv', 'rU') 
    lines = o.read().split("\n") # Create a list having each line of the file 

    out_dict = {} 
    curr_date = 0; 
    curr_count = 0 
    chunk_sz = 25; #years 
    if len(lines) > 0: 
     line_split = lines[0].split(",") 
     start_year = int(line_split[0]) 
     curr_count = 0 

     # Iterate over each line of the file 
     for line in lines: 
      # Split at comma to get the year and the count. 
      # line_split[0] will be the year and line_split[1] will be the count. 
      line_split = line.split(",") 
      curr_year = int(line_split[0]) 
      time_delta = curr_year-start_year 

      if time_delta<chunk_sz or time_delta == chunk_sz: 
       curr_count = curr_count + int(line_split[1]) 
      else: 
       out_dict[start_year+chunk_sz] = curr_count 
       start_year = start_year+chunk_sz 
       curr_count = int(line_split[1]) 

      #print curr_year , curr_count  

     out_dict[start_year+chunk_sz] = curr_count 
    print out_dict

來源

2014-09-29 11:54:15 kundan

你可以添加一個解釋 - 我相信OP會明白這一點。 – 2014-09-29 11:57:46

@BurhanKhalid感謝您指出。已添加內嵌評論... – kundan 2014-09-29 12:07:07

你可以做一些整除之後創建一個由它虛擬列和組：

df['temp'] = df['A'] // 25 
>>> df 
     A B temp 
0 1900 10 76 
1 1901 2 76 
2 1903 5 76 
3 1908 8 76 
4 1910 25 76 
5 1925 3 77 
6 1926 4 77 
7 1928 1 77 
8 1950 10 78 

>>> df.groupby('temp').sum() 
     A B 
temp   
76 9522 50 
77 5779 8 
78 1950 10

我的號碼是從你的略有不同，因爲我是專門從1900至1924年分組，1925年至1949年和1950-1974年，但這個想法是一樣的。

來源

2014-09-29 12:20:31 Mike

集團通過行25

回答

相關問題