我正在使用 .sum() 函数对 pandas DataFrame 中的行进行求和，并且我正在获取索引和 dtype

Question

首先我要说的是，我对 pandas 还很陌生，所以我可能缺少一个非常简单的解决方案。我有一个包含 61 列的 DataFrame，第一列是主题，接下来的 60 列对应于 60 次试验。每列都有每次试验的时间值。 这是我的数据示例（只有 4 列的较短版本）：

import pandas as pd
df = pd.DataFrame([[1, 1, 1, 1], [2, 1, 2, 2], [3, 1, 3, 3], [4, 1, 4, 4], [5, 1, 5, 5]], columns = ['Subject', 'trial1', 'trial2', 'trial3'])
subjects = ([1, 2, 3, 4, 5])

我想获得所有行和所有试验的 x 次试验的时间总和，我使用以下代码：

MyColumns = ['time', 'subject', 'trial']
sum_of_times = pd.DataFrame(columns=MyColumns)
for subject in subjects:
  for trial in range(1, 3):
    MyRow = df.loc[df['Subject'] == subject].index
    time = df.iloc[MyRow, 1:(trial+1)].sum(axis=1)
    new_row = [time, subject, trial]
    sum_of_times.loc[len(sum_of_times)] = new_row
    sum_of_times = sum_of_times.reset_index(drop=True)

sum_of_times

因此，例如，如果我要进入试验 2，我希望得到：

 time  subject  trial
0  1     1        1
1  2     1        2
2  1     2        1
3  3     2        2
4  1     3        1
5  4     3        2
6  1     4        1
7  5     4        2
8  1     5        1
9  6     5        2

地点：

• 对于 subject_1 Trial_1，我得到 1 = 1
• 对于主题_1 试验_2，1 + 1 = 2
• 对于受试者_2 试验_1，1 = 1
• 对于科目_2 试验_2，1 + 2 = 3

等等。 （我在这里添加了_，这样更容易阅读）。

我遇到的问题是，我在

time

中获得了正确的数值，但我还从原始 DataFrame (

df

) 和 dtype 中获取了行索引。这是输出（我找不到正确复制和粘贴的方法）：

        time       subject  trial
0   0 1 dtype: int64    1   1
1   0 2 dtype: int64    1   2
2   1 1 dtype: int64    2   1
3   1 3 dtype: int64    2   2
4   2 1 dtype: int64    3   1
5   2 4 dtype: int64    3   2
6   3 1 dtype: int64    4   1
7   3 5 dtype: int64    4   2
8   4 1 dtype: int64    5   1
9   4 6 dtype: int64    5   2

有没有办法可以只选择数值？

Answer 1

假设没有重复的

Subject

s

您可以将 squeeze

time

用作标量。

---

但是，您正在执行的操作是累积和，如果您先清理数据，则有更简单的方法可以做到这一点。我将使用

wide_to_long()

将

trial{n}

列更改为一列

trial

数字和一列

time

s：

long = (
    pd.wide_to_long(df, "trial", i="Subject", j="_trial")
    .rename(columns={"trial": "time"})
    .rename_axis(index={"_trial": "trial"})
    .sort_index()
)

               time
Subject trial      
1       1         1
        2         1
        3         1
...             ...
5       1         1
        2         5
        3         5

[15 rows x 1 columns]

然后您需要做的就是按

Subject

和

.cumsum()

进行分组。

result = long.groupby(level="Subject").cumsum()

您说过您想要“所有试验”的总和，所以这是完整的结果。如果需要多索引切片，您可以选择块，例如前两次试验：

ix = pd.IndexSlice
result.loc[ix[:, 1:2], :]

               time
Subject trial      
1       1         1
        2         2
2       1         1
        2         3
3       1         1
        2         4
4       1         1
        2         5
5       1         1
        2         6

您可以

.unstack()

以密集表格形式查看结果，类似于输入。

result.unstack('trial')

        time       
trial      1  2   3
Subject            
1          1  2   3
2          1  3   5
3          1  4   7
4          1  5   9
5          1  6  11