第七色在线视频,2021少妇久久久久久久久久,亚洲欧洲精品成人久久av18,亚洲国产精品特色大片观看完整版,孙宇晨将参加特朗普的晚宴

為了賬號(hào)安全,請(qǐng)及時(shí)綁定郵箱和手機(jī)立即綁定
已解決430363個(gè)問題,去搜搜看,總會(huì)有你想問的

通過對(duì)滿足條件的情況進(jìn)行分組來添加列

通過對(duì)滿足條件的情況進(jìn)行分組來添加列

HUH函數(shù) 2023-07-18 10:22:04
我是 pandas 庫的初學(xué)者,不知道如何解決這個(gè)問題。我有一個(gè)巨大的數(shù)據(jù)框(我正在實(shí)現(xiàn) Mask-RCNN 模型,然后使用以下數(shù)據(jù)框但包含更多列生成 CSV)。Object_id  Detection_class  Detection_score   Proportion_bounding_box    0            3              0.970                2.26    1            3              0.954                23.16    2            4              0.696                6.23    3            9              0.658                0.26    0            3              0.980                13.16       1            4              0.984                5.12    2            45             0.255                0.06   ...          ...              ...                 ...我想要實(shí)現(xiàn)的是添加一個(gè)新列,其中包含滿足條件的總和。在這種情況下,我想對(duì) 等于 3 或 4 的值求和。Proportion_bounding_box此外Detection_class,其中Detection_score> .60我嘗試過groupby()功能成功。值得一提的是,每次Object_id從 0 重新開始時(shí),它都是在對(duì)另一張圖像中的對(duì)象進(jìn)行計(jì)數(shù),因此總和需要從 0 重新開始。有這樣的輸出Object_id  Detection_class  Detection_score   Proportion_bounding_box   Sum_cars_trucks    0            3              0.970                2.26                   31.65    1            3              0.954                23.16                  31.65     2            4              0.456                6.23                   31.65    3            9              0.658                0.26                   31.65    0            3              0.980                13.16                  18.28        1            4              0.984                5.12                   18.28    2            45             0.255                0.06                   18.28   ...          ...              ...                 ...更準(zhǔn)確地說,值 31.65 是 2.26 + 23.16 + 6.23 的總和,因?yàn)闈M足條件,然后當(dāng)變?yōu)镺bject_id0 時(shí)再次開始求和。如果在本例中重復(fù)求和值 31.65 ,則沒有問題。的值Detection_class不是 3 或 4 的行(即Object_id第 4 行的值為 9 ),無論如何我都必須在之后清理數(shù)據(jù)。任何想法將不勝感激。
查看完整描述

1 回答

?
倚天杖

TA貢獻(xiàn)1828條經(jīng)驗(yàn) 獲得超3個(gè)贊

用于Series.isin替換與掩碼匹配的行Series.where,然后用于由聚合值填充的新列 - 通過將值與累積和GroupBy.transform進(jìn)行比較來創(chuàng)建組:0

group = df['Object_id'].eq(0).cumsum()

m = df['Detection_class'].isin([3,4])

df['Sum_cars_trucks'] = (df['Proportion_bounding_box'].where(m)

                                                      .groupby(group)

                                                      .transform('sum'))

print (df)

   Object_id  Detection_class  Detection_score  Proportion_bounding_box  \

0          0                3            0.970                     2.26   

1          1                3            0.954                    23.16   

2          2                4            0.696                     6.23   

3          3                9            0.658                     0.26   

4          0                3            0.980                    13.16   

5          1                4            0.984                     5.12   

6          2               45            0.255                     0.06   


   Sum_cars_trucks  

0            31.65  

1            31.65  

2            31.65  

3            31.65  

4            18.28  

5            18.28  

6            18.28  

詳細(xì)信息:


print (df['Proportion_bounding_box'].where(m))

0     2.26

1    23.16

2     6.23

3      NaN

4    13.16

5     5.12

6      NaN

Name: Proportion_bounding_box, dtype: float64

所以你真正的數(shù)據(jù)解決方案應(yīng)該是:(如果有onlu0值則意味著沒有值匹配條件)


pd.options.display.max_columns = None


df = pd.read_csv("https://www.dropbox.com/s/mnmpxif5v43czr6/test_seg.csv?dl=1",

                 sep = ',',error_bad_lines=False)


condition_fifty = df['Detection_Class'].isin([3,4]) & (df['Detection_Score'] > .50)

condition_seventyfive = df['Detection_Class'].isin([3,4]) & (df['Detection_Score'] > .75)

condition_free = df['Detection_Class'].isin([3,4])


group = df['Object_id'].eq(0).cumsum()


df['Sum_cars_trucks_accuracy_75'] = df['Proportion_bounding_box_0_100'].where(condition_seventyfive).groupby(group).transform('sum')

df['Sum_cars_trucks_accuracy_50'] = df['Proportion_bounding_box_0_100'].where(condition_fifty).groupby(group).transform('sum')

df['Sum_cars_trucks'] = df['Proportion_bounding_box_0_100'].where(condition_free).groupby(group).transform('sum')

print (df.iloc[960:980])

     Object_id  Image_id  Cam_ID  Detection_Class  Detection_Score  \

960         25        25    1701                1         0.098000   

961         26        25    1701                3         0.089161   

962         27        25    1701                3         0.079296   

963         28        25    1701               10         0.076747   

964         29        25    1701               10         0.068189   

965         30        25    1701               62         0.066939   

966         31        25    1701               28         0.066125   

967         32        25    1701                3         0.059263   

968         33        25    1701               11         0.059223   

969         34        25    1701               84         0.058247   

970         35        25    1701               10         0.058203   

971         36        25    1701               10         0.057868   

972         37        25    1701                5         0.055125   

973         38        25    1701                1         0.051333   

974         39        25    1701                3         0.050456   

975          0        26    1701               42         0.785020   

976          1        26    1701                3         0.735685   

977          2        26    1701                3         0.658764   

978          3        26    1701                3         0.574286   

979          4        26    1701               10         0.549406   


       Timestamp_sg_time                                                URL  \

960  2019-11-13 04:10:00  https://images.data.gov.sg/api/traffic-images/...   

961  2019-11-13 04:10:00  https://images.data.gov.sg/api/traffic-images/...   

962  2019-11-13 04:10:00  https://images.data.gov.sg/api/traffic-images/...   

963  2019-11-13 04:10:00  https://images.data.gov.sg/api/traffic-images/...   

964  2019-11-13 04:10:00  https://images.data.gov.sg/api/traffic-images/...   

965  2019-11-13 04:10:00  https://images.data.gov.sg/api/traffic-images/...   

966  2019-11-13 04:10:00  https://images.data.gov.sg/api/traffic-images/...   

967  2019-11-13 04:10:00  https://images.data.gov.sg/api/traffic-images/...   

968  2019-11-13 04:10:00  https://images.data.gov.sg/api/traffic-images/...   

969  2019-11-13 04:10:00  https://images.data.gov.sg/api/traffic-images/...   

970  2019-11-13 04:10:00  https://images.data.gov.sg/api/traffic-images/...   

971  2019-11-13 04:10:00  https://images.data.gov.sg/api/traffic-images/...   

972  2019-11-13 04:10:00  https://images.data.gov.sg/api/traffic-images/...   

973  2019-11-13 04:10:00  https://images.data.gov.sg/api/traffic-images/...   

974  2019-11-13 04:10:00  https://images.data.gov.sg/api/traffic-images/...   

975  2019-11-13 04:20:00  https://images.data.gov.sg/api/traffic-images/...   

976  2019-11-13 04:20:00  https://images.data.gov.sg/api/traffic-images/...   

977  2019-11-13 04:20:00  https://images.data.gov.sg/api/traffic-images/...   

978  2019-11-13 04:20:00  https://images.data.gov.sg/api/traffic-images/...   

979  2019-11-13 04:20:00  https://images.data.gov.sg/api/traffic-images/...   


           ymin        xmin        ymax        xmax  Bounding_box_area  \

960  314.707886  553.487793  424.362549  612.194092        6437.419434   

961  142.048508  391.639465  148.185974  399.044922          45.450741   

962  148.339020  182.501083  155.744003  191.033142          63.179752   

963   59.903748  406.636078   84.600563  413.733093         175.273682   

964  120.682381  185.464798  131.528137  191.304535          63.336365   

965  398.982178    2.361536  477.532013  105.955078        8137.255859   

966  318.272369  533.578552  474.975006  589.919861        8828.832031   

967  152.243881  228.395996  168.173294  247.767349         308.574280   

968  169.543182   52.104408  193.200562   63.020443         258.244781   

969  399.414825    2.308850  476.569275   97.881790        7373.877441   

970   81.362755  200.836914  104.848663  210.157623         218.905319   

971  104.121696  196.914062  119.572815  211.193527         220.633698   

972  239.429794  381.147217  247.518219  389.079407          64.158920   

973  137.157761  185.270111  146.607330  189.621353          41.117367   

974  430.588135  587.167297  468.736328  639.310303        1989.161499   

975  149.503235  471.424500  479.375000  543.734680       23853.087891   

976  176.751541  227.258438  191.531586  254.238220         398.762390   

977  377.724915    0.000000  465.730133   61.350388        5399.154297   

978  189.206009  307.332886  206.914307  333.753540         467.864807   

979   89.527046  228.427872  110.863182  239.962189         246.097748   


     Proportion_bounding_box_0_100  Segmentation_pixels  \

960                       2.095514             0.276545   

961                       0.014795             0.116933   

962                       0.020566             0.053545   

963                       0.057055             0.003237   

964                       0.020617             0.003308   

965                       2.648846             0.002000   

966                       2.873969             0.002545   

967                       0.100447             0.004789   

968                       0.084064             0.006768   

969                       2.400351             0.015430   

970                       0.071258             0.025500   

971                       0.071821             0.053866   

972                       0.020885             0.079332   

973                       0.013385             0.132568   

974                       0.647514             0.198744   

975                       7.764677             0.024513   

976                       0.129805             0.030686   

977                       1.757537             0.039312   

978                       0.152300             0.050344   

979                       0.080110             0.057971   


     Sum_cars_trucks_accuracy_75  Sum_cars_trucks_accuracy_50  Sum_cars_trucks  

960                     0.361058                     0.509355        20.910477  

961                     0.361058                     0.509355        20.910477  

962                     0.361058                     0.509355        20.910477  

963                     0.361058                     0.509355        20.910477  

964                     0.361058                     0.509355        20.910477  

965                     0.361058                     0.509355        20.910477  

966                     0.361058                     0.509355        20.910477  

967                     0.361058                     0.509355        20.910477  

968                     0.361058                     0.509355        20.910477  

969                     0.361058                     0.509355        20.910477  

970                     0.361058                     0.509355        20.910477  

971                     0.361058                     0.509355        20.910477  

972                     0.361058                     0.509355        20.910477  

973                     0.361058                     0.509355        20.910477  

974                     0.361058                     0.509355        20.910477  

975                     0.000000                     2.039642        18.097407  

976                     0.000000                     2.039642        18.097407  

977                     0.000000                     2.039642        18.097407  

978                     0.000000                     2.039642        18.097407  

979                     0.000000                     2.039642        18.097407  





查看完整回答
反對(duì) 回復(fù) 2023-07-18
  • 1 回答
  • 0 關(guān)注
  • 113 瀏覽
慕課專欄
更多

添加回答

舉報(bào)

0/150
提交
取消
微信客服

購課補(bǔ)貼
聯(lián)系客服咨詢優(yōu)惠詳情

幫助反饋 APP下載

慕課網(wǎng)APP
您的移動(dòng)學(xué)習(xí)伙伴

公眾號(hào)

掃描二維碼
關(guān)注慕課網(wǎng)微信公眾號(hào)