我有一个很大的数据集（请参见下面的示例格式），我需要做以下思考：
确定出现在第1,2,5列上的重复值-如果全部重复，则我需要删除多余的行并取平均值第8列中的值（这对于我将发布的代码来说是成功的-
在第一步之后，我想将第1,2列的值四舍五入为整数（无小数）
我想重新介绍第3、4、6和7列-
第3、6和7列需要具有我要指定的特定值（例如3应该全部为0，6应该全部为1，第7列应该全部为1）（类似于输入文件）
第4列需要增加一，这取决于第4列中不同值的数量）（类似于输入文件
这是一个示例输入文件：data（文件名）
564991.15 7371277.89 0 1 1530 1 1 16.0225
564991.15 7371277.89 0 1 8250 1 1 14.4405
564991.15 7371277.89 0 2 1530 1 1 14.8637
564991.15 7371277.89 0 2 8250 1 1 14.8918
564991.17 7371277.89 0 3 1530 1 1 16.0002
564991.17 7371277.89 0 3 8250 1 1 15.4333
564991.04 7371276.76 0 4 1530 1 1 14.73
564991.04 7371276.76 0 4 8250 1 1 15.6138
564991.04 7371276.76 0 5 1530 1 1 16.2453
564991.04 7371276.76 0 5 8250 1 1 15.6138
这是我最了解的代码（目前我在calc中进行了补充）
import os
import numpy as np
import pandas as pd
datadirectory = '/media/data'
os.chdir = 'datadirectory'
df = pd.read_csv('/media/data/data.dat')
sorted_data = df.groupby(["X.1","X.2","X.5"])["X.8"].mean().reset_index()
tuple_data = [tuple(x) for x in sorted_data.values]
datas = np.asarray(tuple_data)
np.savetxt('sorted_data_rounded.dat', datas, fmt='%s', delimiter='\t')
但是他只给我4列，没有四舍五入的数据。
最佳答案
添加一半并强制转换astype int可能会更快一些：
df = pd.read_csv('data.dat', header=None, sep='\s+')
In [2]: df
Out[2]:
0 1 2 3 4 5 6 7
0 564991.15 7371277.89 0 1 1530 1 1 16.0225
1 564991.15 7371277.89 0 1 8250 1 1 14.4405
2 564991.15 7371277.89 0 2 1530 1 1 14.8637
3 564991.15 7371277.89 0 2 8250 1 1 14.8918
4 564991.17 7371277.89 0 3 1530 1 1 16.0002
5 564991.17 7371277.89 0 3 8250 1 1 15.4333
6 564991.04 7371276.76 0 4 1530 1 1 14.7300
7 564991.04 7371276.76 0 4 8250 1 1 15.6138
8 564991.04 7371276.76 0 5 1530 1 1 16.2453
9 564991.04 7371276.76 0 5 8250 1 1 15.6138
df1 = df.groupby([0, 1, 4])[7].mean().reset_index()
df1['ints'] = (df1[7] + 0.5).astype(int)
In [5]: df1
Out[5]:
0 1 4 7 ints
0 564991.04 7371276.76 1530 15.48765 15
1 564991.04 7371276.76 8250 15.61380 16
2 564991.15 7371277.89 1530 15.44310 15
3 564991.15 7371277.89 8250 14.66615 15
4 564991.17 7371277.89 1530 16.00020 16
5 564991.17 7371277.89 8250 15.43330 15
注意：您可以使用DataFrame方法
to_csv保存DataFrame。