将csv文件分割成多列的熊猫数据帧

Question

我有一个包含多列的tsv文件。有10列以上的列，但对我来说重要的列是名称为user_name，shift_id，url_id的列。我想创建一个数据框架，它首先根据user_names分隔整个csv文件，即只有具有相同user_name的行才被分组在一起。从该块创建另一个块，其中只有具有某个shift_id的行被组合在一起，然后从该块创建具有相同url的块。不幸的是，由于公司的规则，不能共享数据，并且使虚构的数据表可能更令人困惑。

其他两列有时间戳。我想计算块的持续时间，但只有在根据这些列对块进行分组后才能计算。

我已经看到了按特定列值拆分数据框的答案，但在我的情况下，我有三个列值，而且它们的分隔顺序也很重要。

谢谢你的帮助！

Answer 1

假设你阅读列dataframe

df = pd.DataFrame({'col1':[1,2,3], 'col2':[4,5,6],'col3':[7,8,9], 
       'col4':[1,2,3],'col5':[1,2,3],'col6':[1,2,3], 
       'col7':[1,2,3],'col8':[1,2,3],'col9':[1,2,3], 
       'col91':[1,2,3]}) 
print(df) 

输出：

 col1 col2 col3 col4 col5 col6 col7 col8 col9 col91 
0  1  4  7  1  1  1  1  1  1  1 
1  2  5  8  2  2  2  2  2  2  2 
2  3  6  9  3  3  3  3  3  3  3 

现在，我们只能选择三个利益列，让它成为col1, col2, and col3

tmp_df = df[['col1', 'col2', 'col3']] 
print(tmp_df) 

输出：

 col1 col2 col3 
0  1  4  7 
1  2  5  8 
2  3  6  9 

再者，我们要过滤基于三个列值：

final_df = tmp_df[(tmp_df.col1 == 1) & (tmp_df.col2 == 4) & (tmp_df.col3== 7)] 
print(final_df) 

输出：

col1 col2 col3 
0  1  4  7 

阅读dataframe后，所有这些上述步骤可以在单一的行中来达到的：

final = df[['col1', 'col2', 'col3']][(df.col1 == 1) & (df.col2 == 4) & (df.col3== 7)] 
final 

希望它有帮助！

更新：

df = pd.DataFrame({'col1':[1,1,1,1,1], 'col2':[4,4,4,4,7],'col3':[7,7,9,7,7], 
       'col4':['X','X','X','X','X'],'col5':['X','X','X','X','X'],'col6':['X','X','X','X','X'], 
       'col7':['X','X','X','X','X'],'col8':['X','X','X','X','X'],'col9':['X','X','X','X','X'], 
       'col91':['X','X','X','X','X']}) 
print(df) 

输出：

 col1 col2 col3 col4 col5 col6 col7 col8 col9 col91 
0  1  4  7 X X X X X X  X 
1  1  4  7 X X X X X X  X 
2  1  4  9 X X X X X X  X 
3  1  4  7 X X X X X X  X 
4  1  7  7 X X X X X X  X 

现在，usinig如上类似掩蔽：

final = df[(df.col1 == 1) & (df.col2 == 4) & (df.col3== 7)] 
final 

输出：

col1 col2 col3 col4 col5 col6 col7 col8 col9 col91 
0  1  4  7 X X X X X X  X 
1  1  4  7 X X X X X X  X 
3  1  4  7 X X X X X X  X