Python pandas plusieurs conditions

Question

Désolé, je m'excuse maintenant, juste commencé à apprendre Python et en essayant de faire fonctionner quelque chose.

ensemble de données Ok est

Buy, typeid, volume, issued, duration, Volume Entered,Minimum Volume, range, price, locationid, locationname 

SELL 20 2076541 2015-09-12T06:31:13 90 2076541 1 region 331.21 60008494 Amarr 

SELL 20 194642 2015-09-07T19:36:49 90 194642 1 region 300 60008494 Amarr 

SELL 20 2320 2015-09-13T07:48:54 3 2320 1 region 211 60008491 Irnin 

Je voudrais filtrer un emplacement spécifique par nom ou ID, ne me dérange pas, puis de choisir le prix minimum pour cet emplacement. De préférence pour le coder en dur, puisque je n'ai que quelques endroits qui m'intéressent. Par exemple: locationid = 60008494.

Je vois que vous pouvez faire deux conditions sur une ligne, mais je ne vois pas comment l'appliquer. Alors j'essaye de l'imbriquer. N'a pas besoin d'être pandas, il semble que la première chose que j'ai trouvée a fait partie de ce que j'avais besoin.

Le code que j'ai obtenu jusqu'ici est, et ne fait que la partie minimale de ce que je cherche à atteindre.

data = pd.read_csv('orders.csv') 
length = len(data['typeid'].unique()) 
res = pd.DataFrame(columns=('Buy', 'typeid', 'volume','duration','volumeE','Minimum','range','price','locationid','locationname')) 
for i in range(0,length): 
     name_filter = data[data['typeid'] == data['typeid'].unique()[i]] 
     price_min_filter = name_filter[name_filter['price'] == name_filter['price'].min() ] 
     res = res.append(price_min_filter, ignore_index=True) 
     i=i+1 
     res.to_csv('format.csv') # writes output to csv 
print "Complete" 

MISE À JOUR. Ok donc, la dernière partie, semble que le code suivant est la direction que je devrais aller. Si je pouvais avoir s = typeid, locationid et prix, c'est parfait. J'ai donc écrit ce que je veux faire, quelle est la syntaxe correcte pour l'obtenir en python? Désolé, je suis habitué à Excel et SQL.

import pandas as pd 

df = pd.read_csv('orders.csv') 
df[df['locationid'] ==60008494] 
s= df.groupby(['typeid'])['price'].min() 
s.to_csv('format.csv') 

Answer 1

Si je comprends bien votre question, vous aurez vraiment pas besoin de faire beaucoup plus qu'un DataFrame.Groupby(). À titre d'exemple, vous pouvez regrouper la trame de données par le locationname, puis sélectionnez la colonne price de l'objet groupby résultant, puis utilisez la méthode min() pour produire la valeur minimale pour chaque groupe:

data.groupby('locationname')['price'].min() 

qui vous donnera la valeur minimale de price pour chaque groupe. Donc, il ressemblera à quelque chose comme:

locationname 
Amarr 300 
Irnin 211 
Name: price, dtype: float64 

Answer 2

Si ce que vous voulez vraiment est -

Je voudrais filtrer un emplacement spécifique par nom ou ID, ne me dérange pas, alors Choisissez le prix minimum pour cet endroit. De préférence pour le coder en dur, puisque je n'ai que quelques endroits qui m'intéressent. LocationID = par exemple 60008494.

Vous pouvez simplement filtrer l'df sur la locationid, puis utilisez ['price'].min(). Exemple -

In [1]: import pandas as pd 

In [2]: s = """Buy,typeid,volume,issued,duration,Volume Entered,Minimum Volume,range,price,locationid,locationname 
    ...: SELL,20,2076541,2015-09-12T06:31:13,90,2076541,1,region,331.21,60008494,Amarr 
    ...: SELL,20,194642,2015-09-07T19:36:49,90,194642,1,region,300,60008494,Amarr 
    ...: SELL,20,2320,2015-09-13T07:48:54,3,2320,1,region,211,60008491,Irnin""" 

In [3]: import io 

In [4]: df = pd.read_csv(io.StringIO(s)) 

In [5]: df 
Out[5]: 
    Buy typeid volume    issued duration Volume Entered \ 
0 SELL  20 2076541 2015-09-12T06:31:13  90   2076541 
1 SELL  20 194642 2015-09-07T19:36:49  90   194642 
2 SELL  20  2320 2015-09-13T07:48:54   3   2320 

    Minimum Volume range price locationid locationname 
0    1 region 331.21 60008494  Amarr 
1    1 region 300.00 60008494  Amarr 
2    1 region 211.00 60008491  Irnin 

In [8]: df[df['locationid']==60008494]['price'].min() 
Out[8]: 300.0 

Si vous voulez le faire pour tous les locationids', puis comme dit dans l'autre réponse que vous pouvez utiliser pour cela DataFrame.groupby puis prendre la colonne ['price'] pour le groupe que vous voulez et utiliser .min().Exemple -

data = pd.read_csv('orders.csv') 
data.groupby(['locationid'])['price'].min() 

Démo -

In [9]: df.groupby(['locationid'])['price'].min() 
Out[9]: 
locationid 
60008491 211 
60008494 300 
Name: price, dtype: float64 

---

Pour obtenir la ligne complète qui a des valeurs minimales dans les groupes correspondants, vous pouvez utiliser idxmin() pour obtenir l'indice de la valeur minimale et ensuite passer à df.loc pour obtenir ces lignes. Exemple -

In [9]: df.loc[df.groupby(['locationid'])['price'].idxmin()] 
Out[9]: 
    Buy typeid volume    issued duration Volume Entered \ 
2 SELL  20 2320 2015-09-13T07:48:54   3   2320 
1 SELL  20 194642 2015-09-07T19:36:49  90   194642 

    Minimum Volume range price locationid locationname 
2    1 region 211 60008491  Irnin 
1    1 region 300 60008494  Amarr