在 Python 中循环遍历 table 中的多个列
Looping through multiple columns in a table in Python
我正在尝试遍历包含 covid-19 数据的 table。我的 table 有 4 列：月份、日期、位置和案例。 table 中每一列的值都存储在自己的列表中，因此每个列表的长度都相同。 （即有月份列表、日期列表、位置列表和案例列表）。有 12 个月，一个月最多 31 天。世界上许多地方都有病例记录。我想弄清楚一年中哪一天的全球病例总数最多。我不确定如何适当地构建我的循环。由列表表示的 table 的过度简化示例版本如下所示。
在这个小例子中，结果将是第 1 个月第 3 天，有 709 个案例 (257 + 452)。
Month
Day
Location
Cases
1
1
CAN
124
1
1
USA
563
1
2
CAN
242
1
2
USA
156
1
3
CAN
257
1
3
USA
452
.
.
...
...
12
31
...
...
您可以先查看案例列表中的最大值。然后将最大案例的索引与其他三个列表进行映射并获取它们的值。
例如：caseList = [1,2,3,52,1,0]
最大值是52。它的索引是3。在你的例子中你可以得到monthList[3], dayList[3],
locationList[3] 分别。然后你会得到全球病例总数最多的相关日期、月份和国家。
检查这是否对您的情况有帮助。
我假设您已将所有数据放在同一个数据框中，df。
df = pandas.DataFrame()
df['Month'] = name_of_your_month_list
df['Day'] = name_of_your_daylist
df['Location'] = name_of_your_location_list
df['Cases'] = name_of_your_cases_list
df.Cases.max() 给你最多的案例。我假设数据集中只有一年。所以 df[df.Cases==df.Cases.max()].index 给出了你搜索的青春指数
对于当天，只需过滤：
df[df.index==df[df.Cases==df.Cases.max()].index].Day
当月：
df[df.index==df[df.Cases==df.Cases.max()].index].Month
申请案例数：
df[df.index==df[df.Cases==df.Cases.max()].index].Cases
对于国家：
df[df.index==df[df.Cases==df.Cases.max()].index].Location
看了评论，不清楚是搜索某地点最大的case还是当天最大的case。如果它是从那天开始的，您必须先使用 groupby('Day') 函数进行过滤，以将其用作 groupby('Day').max()
您可以使用此策略来获得所需的结果。
daylist,monthlist,location,Cases = [1, 2, 3, 4], [1,1,1,1],['CAN','USA','CAN','USA'],[124,563,242,999]
maxCases = Cases.index(max(Cases))
print("Max Case:",Cases[maxCases])
print("Location:",location[maxCases])
print("Month:",monthlist[maxCases])
print("Day:",daylist[maxCases])
您按月和日对数据框进行分组。然后遍历组，找到所有位置的案例总和最大的组，如下所示：
import pandas as pd
df = pd.DataFrame({'Month':[1,1,1,1,1,1], 'Day':[1,1,2,2,3,3],
'Location':['CAN', 'USA', 'CAN', 'USA','CAN', 'USA'],
'Cases':[124,563,242,156,257,452]})
grouped = df.groupby(['Month', 'Day'])
max_sum = 0
max_day = None
for idx, group in grouped:
if group['Cases'].sum() > max_sum:
max_sum = group['Cases'].sum()
max_day = group
month = max_day['Month'].iloc[1]
day = max_day['Day'].iloc[1]
print(f'Maximum cases of {max_sum} occurred on {month}/{day}.')
#prints: Maximum cases of 709 occurred on 1/3
如果您不想使用 Pandas，您可以这样做：
months = [1,1,1,1,1,1]
days = [1,1,2,2,3,3]
locations = ['CAN', 'USA', 'CAN', 'USA','CAN', 'USA']
cases = [124,563,242,156,257,452]
dic = {}
target_day = 0
count = 0
for i in range(len(days)):
if days[i] != target_day:
target_day = days[i]
count = cases[i]
else:
count += cases[i]
dic[f'{months[i]}/{days[i]}'] = count
max_cases = max(dic.values())
worst_day = list(dic.keys())[list(dic.values()).index(max_cases)]
print(f'Maximum cases of {max_cases} occurred on {worst_day}.')
#Prints: Maximum cases of 709 occurred on 1/3.
我正在尝试遍历包含 covid-19 数据的 table。我的 table 有 4 列：月份、日期、位置和案例。 table 中每一列的值都存储在自己的列表中，因此每个列表的长度都相同。 （即有月份列表、日期列表、位置列表和案例列表）。有 12 个月，一个月最多 31 天。世界上许多地方都有病例记录。我想弄清楚一年中哪一天的全球病例总数最多。我不确定如何适当地构建我的循环。由列表表示的 table 的过度简化示例版本如下所示。
在这个小例子中，结果将是第 1 个月第 3 天，有 709 个案例 (257 + 452)。
| Month | Day | Location | Cases |
|---|---|---|---|
| 1 | 1 | CAN | 124 |
| 1 | 1 | USA | 563 |
| 1 | 2 | CAN | 242 |
| 1 | 2 | USA | 156 |
| 1 | 3 | CAN | 257 |
| 1 | 3 | USA | 452 |
| . | . | ... | ... |
| 12 | 31 | ... | ... |
您可以先查看案例列表中的最大值。然后将最大案例的索引与其他三个列表进行映射并获取它们的值。 例如：caseList = [1,2,3,52,1,0]
最大值是52。它的索引是3。在你的例子中你可以得到monthList[3], dayList[3], locationList[3] 分别。然后你会得到全球病例总数最多的相关日期、月份和国家。
检查这是否对您的情况有帮助。
我假设您已将所有数据放在同一个数据框中，df。
df = pandas.DataFrame()
df['Month'] = name_of_your_month_list
df['Day'] = name_of_your_daylist
df['Location'] = name_of_your_location_list
df['Cases'] = name_of_your_cases_list
df.Cases.max() 给你最多的案例。我假设数据集中只有一年。所以 df[df.Cases==df.Cases.max()].index 给出了你搜索的青春指数
对于当天，只需过滤：
df[df.index==df[df.Cases==df.Cases.max()].index].Day
当月：
df[df.index==df[df.Cases==df.Cases.max()].index].Month
申请案例数：
df[df.index==df[df.Cases==df.Cases.max()].index].Cases
对于国家：
df[df.index==df[df.Cases==df.Cases.max()].index].Location
看了评论，不清楚是搜索某地点最大的case还是当天最大的case。如果它是从那天开始的，您必须先使用 groupby('Day') 函数进行过滤，以将其用作 groupby('Day').max()
您可以使用此策略来获得所需的结果。
daylist,monthlist,location,Cases = [1, 2, 3, 4], [1,1,1,1],['CAN','USA','CAN','USA'],[124,563,242,999]
maxCases = Cases.index(max(Cases))
print("Max Case:",Cases[maxCases])
print("Location:",location[maxCases])
print("Month:",monthlist[maxCases])
print("Day:",daylist[maxCases])
您按月和日对数据框进行分组。然后遍历组，找到所有位置的案例总和最大的组，如下所示：
import pandas as pd
df = pd.DataFrame({'Month':[1,1,1,1,1,1], 'Day':[1,1,2,2,3,3],
'Location':['CAN', 'USA', 'CAN', 'USA','CAN', 'USA'],
'Cases':[124,563,242,156,257,452]})
grouped = df.groupby(['Month', 'Day'])
max_sum = 0
max_day = None
for idx, group in grouped:
if group['Cases'].sum() > max_sum:
max_sum = group['Cases'].sum()
max_day = group
month = max_day['Month'].iloc[1]
day = max_day['Day'].iloc[1]
print(f'Maximum cases of {max_sum} occurred on {month}/{day}.')
#prints: Maximum cases of 709 occurred on 1/3
如果您不想使用 Pandas，您可以这样做：
months = [1,1,1,1,1,1]
days = [1,1,2,2,3,3]
locations = ['CAN', 'USA', 'CAN', 'USA','CAN', 'USA']
cases = [124,563,242,156,257,452]
dic = {}
target_day = 0
count = 0
for i in range(len(days)):
if days[i] != target_day:
target_day = days[i]
count = cases[i]
else:
count += cases[i]
dic[f'{months[i]}/{days[i]}'] = count
max_cases = max(dic.values())
worst_day = list(dic.keys())[list(dic.values()).index(max_cases)]
print(f'Maximum cases of {max_cases} occurred on {worst_day}.')
#Prints: Maximum cases of 709 occurred on 1/3.