Python支持对数据帧列进行部分切片和排序

Question

我有一个光谱仪的波长和吸光度输入文件。在这个文件中，数据被记录并作为数据帧的最后两列添加。柱需要指定测量特定吸光度（=数据）的波长。

我希望有一个数据框架，使我的分析更容易一点。诸如此类：

我知道，凭借我相当基本的python技能，我可能会将每个波长数据对存储为元组列表，并使一些复杂的排序魔法发生。但是自从我试图了解更多关于熊猫模块的信息以来，我一直在想我是否能更轻松地解决这个问题。然而，虽然我发现了熊猫的移位函数，但我还没有找到一种让它成为条件的方法，也没有单独移位和排序每个列。

Answer 1

• 这是经典的宽到长
• 您的样本数据在第二组数据中有两个波长796的读数。这实际上意味着重复，通过将子读放在适当的位置来处理
• 最后转换回long，其中值在波长上排列，并提供重复
• 显然，转换回宽列和扁平列的步骤是可选的，这取决于您想要如何运行您的分析

df = pd.DataFrame({'Wavelength1': [800, 799, 798, 797],
 'Data1': [0.1, 0.15, 0.133, 0.14],
 'Wavelength2': [798, 797, 796, 796],
 'Data2': [0.02, 0.03, 0.2, 0.052],
 'Wavelength3': [798.5, 798.0, 797.5, 797.0],
 'Data3': [0.6, 0.2, 0.4, 0.34]})

# wide to long
df2 = (
    pd.wide_to_long(df.reset_index(), ["Wavelength", "Data"], i="index", j="reading")
    .droplevel(0)
    .reset_index()
    .set_index(["Wavelength", "reading"])
)

                     Data
Wavelength reading       
800.0      1        0.100
799.0      1        0.150
798.0      1        0.133
797.0      1        0.140
798.0      2        0.020
797.0      2        0.030
796.0      2        0.200
           2        0.052
798.5      3        0.600
798.0      3        0.200
797.5      3        0.400
797.0      3        0.340

# long back to wide, delating with duplicate "Wavelength"
df2 = df2.set_index(
    pd.Series(df2.groupby(level=[0, 1]).cumcount().values, name="subreading"),
    append=True,
).unstack("reading")
# flatten the columns..
df2.columns = ["".join(map(str, c)) for c in df2.columns]

                       Data1  Data2  Data3
Wavelength subreading                     
796.0      0             NaN  0.200    NaN
           1             NaN  0.052    NaN
797.0      0           0.140  0.030   0.34
797.5      0             NaN    NaN   0.40
798.0      0           0.133  0.020   0.20
798.5      0             NaN    NaN   0.60
799.0      0           0.150    NaN    NaN
800.0      0           0.100    NaN    NaN