pandas 分组依据和日志添加

发布于 2025-01-17 07:48:48 字数 789 浏览 3 评论 0原文

我的第一个数据框是这样的：

我需要按日期进行分组并在“SEL”列上添加日志

所以，我可以像这样按日期进行分组：

df.groupby([df.index.date])["SEL"]

但公式是

> 10*math.log10(10**(df["SEL"]/10).sum())

有人可以帮助我吗？

我首先使用：

temp=0
for index,row in df.iterrows():
    temp+=10**(row["SEL"]/10)
sumadd=10*math.log10(temp)

这是唯一的方法吗？

这是几天的输出示例：

原文

My first dataframe is this :

I need to make a group by date AND make a log add on column "SEL"

So, I can do the group by date like this :

df.groupby([df.index.date])["SEL"]

But the formula is

> 10*math.log10(10**(df["SEL"]/10).sum())

Anyone can help me please?

First i used :

temp=0
for index,row in df.iterrows():
    temp+=10**(row["SEL"]/10)
sumadd=10*math.log10(temp)

Is this the only way?

That's a example of output for several days :

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

看透却不说透 2025-01-24 07:48:48

用 groupby.transform 并将每个列的丢失值设置为每个日期，而无需上次

dates = df.index.normalize()
df['new'] = (10*np.log10((10**(df["SEL"]/10)).groupby(dates).transform('sum'))
                   .mask(dates.duplicated(keep='last')))

Create new column with GroupBy.transform and set missing values to all column per date without last by Series.mask:

dates = df.index.normalize()
df['new'] = (10*np.log10((10**(df["SEL"]/10)).groupby(dates).transform('sum'))
                   .mask(dates.duplicated(keep='last')))

回复收藏 0 原文

~没有更多了~