데이터 프레임을 루프에 추가하고 파이썬에서 새로운 데이터 프레임을 만듭니다.

Question

저는이 파이썬 문제에 대해 잠시 동안 머리를 숙이고 붙어 있습니다. 나는 for-looping을 통해 여러 개의 csv 파일을보고 각 csv 파일의 한 열이 열 이름이고 datetime의 공통 색인을 설정하는 방식으로 csv 파일을 추가하는 하나의 데이터 프레임을 원한다.

value 및 pod 숫자를 제외하고이 데이터 프레임처럼 보이는 11 개의 csv 파일이 있지만 모든 csv에 대해 time_stamp은 동일합니다.

data

pod time_stamp value 
0 97 2016-02-22 3.048000 
1 97 2016-02-29 23.622001 
2 97 2016-03-07 13.970001 
3 97 2016-03-14 6.604000 
4 97 2016-03-21 NaN 

그리고 이것은가 루프 내가 지금까지 가지고있다 :

import glob 
import pandas as pd 

filenames = sorted(glob.glob('*.csv')) 

new = [] 

for f in filenames: 
    data = pd.read_csv(f) 

    time_stamp = [pd.to_datetime(d) for d in time_stamp] 

    new.append(data) 

my_df = pd.DataFrame(new, columns=['pod','time_stamp','value']) 

는 내가 원하는 것은 각 열이의 결과 다음과 같습니다 데이터 프레임 각 csv 파일의 value.

time_stamp 97  98  99 ... 
2016-02-22 3.04800 4.20002 3.5500 
2016-02-29. 23.62201 24.7392 21.1110 
2016-03-07 13.97001 11.0284 12.0000 

는하지만 지금 my_df의 출력은 매우 잘못하고 다음과 같습니다. 내가 어디로 잘못 갔는지에 대한 어떤 생각?

0 
0 pod time_stamp value 0 22 2016-... 
1 pod time_stamp value 0 72 2016-... 
2 pod time_stamp value 0 79 2016-0... 
3 pod time_stamp value 0 86 2016-... 
4 pod time_stamp value 0 87 2016-... 
5 pod time_stamp value 0 88 2016-... 
6 pod time_stamp value 0 90 2016-0... 
7 pod time_stamp value 0 93 2016-0... 
8 pod time_stamp value 0 95 2016-... 

Answer 1

은 내가 먼저 pd.concat과 함께 모든 dataframes을 연결 한 다음 마지막으로 pivot 작업을 수행하는 것이 좋습니다 것입니다. 내가 read_csv을 강요하고있어

filenames = sorted(glob.glob('*.csv')) 

new = [pd.read_csv(f, parse_dates=['time_stamp']) for f in filenames] 
df = pd.concat(new) # omit axis argument since it is 0 by default 

df = df.pivot(index='time_stamp', columns='pod') 

참고 time_stamp로드 dataframe, 그래서 적재 후 분석 더 이상 필요 구문 분석 없습니다.

---

MCVE

df 

    pod time_stamp  value 
0 97 2016-02-22 3.048000 
1 97 2016-02-29 23.622001 
2 97 2016-03-07 13.970001 
3 97 2016-03-14 6.604000 
4 97 2016-03-21  NaN 

df.pivot(index='time_stamp', columns='pod') 

       value 
pod    97 
time_stamp   
2016-02-22 3.048000 
2016-02-29 23.622001 
2016-03-07 13.970001 
2016-03-14 6.604000 
2016-03-21  NaN