为csv中的列创建不同的元组值，并计算第3列的平均值

Question

我有一个数据集：

string1 string2 rate distance 
A.      C.      1    20
A.      B       2.   30
A.      C.      2.   20

string1和string2有多个元组值。我想为String1和String2找到不同的元组，然后计算相同的速率/距离的平均值。这只是虚拟数据，而原始数据对特定元组具有倍数（10000）。你知道吗

到目前为止，我已经创建了元组。我不知道如何合并元组和计算平均值

def read_csv(filepath, has_header=False):
    with open(filepath, 'r') as file:
        reader = csv.reader(file)

        data = list(reader)
        header = None
        if has_header:
            header = data[0]
            data = data[1:]


    file.close()
    return data, header

if __name__ == '__main__':

    outfilepath = "data/outfile12.csv"

    outdata = []

    codes, header = read_csv("data/sample.csv", has_header=TRUE)

    # create dictionary
    codes_dict = {

}
        for code in codes:
            codes_dict[(code[0], code[1])]

        for row in codes : 

        #Write logic here

输出应如下所示：

string1 string2 column 
    A      C      0.003    
    A      B     0.00030
    B      A    0.000020

有人能帮我吗。你知道吗

Answer 1

您应该考虑将pandas用于这些任务。Google docs youself针对特定情况（csv文件中没有行标题），我将给出一个基本示例：

import pandas as pd

首先加载csv，它实际上取决于其格式，因此可能需要更改分隔符，我从示例数据中获取了csv格式（多个空格）：

dataframe = pd.read_csv(filepath, sep='\s+')

然后按列集合对数据进行分组：

groupby = dataframe.groupby(['string1','string2'])
print(groupby.groups) 

它返回一个“DataFrameGroupBy”对象，该对象本质上是包装器中的一个列表（列值的元组，与该数据匹配的行的dataframe）。你知道吗

然后对这些行应用自定义函数以生成新行：

def add_average_velocity(input_rows):
    input_rows['avg_velocity'] = (input_rows['rate']/input_rows['distance']).mean()
    return input_rows

new_dataframe = dataframe.groupby(['string1','string2']).apply(add_average_velocity).reset_index()
print(new_dataframe)

或者，如果您想完全删除所有旧数据，只保留新数据：

def add_average_velocity(input_rows):
    output_data = pd.Series({'velocity':(input_rows['rate']/input_rows['distance']).mean()})
    # you can skip making a pd.Series objects if you are okay with having the data unnamed in resulting dataframe. You can always rename columns later anyway.
    return output_data

new_dataframe = dataframe.groupby(['string1','string2']).apply(add_average_velocity).reset_index()
print(new_dataframe)