循环遍历数据框列表以动态创建新列
Posted
技术标签:
【中文标题】循环遍历数据框列表以动态创建新列【英文标题】:Looping over list of dataframes to dynamically create new columns 【发布时间】:2021-03-31 17:23:25 【问题描述】:我正在研究一个可以让我评估各种客户行为的数据集。为此,我将几个 excel 文件读入列表,然后将它们连接到单个数据帧中。不过,在此步骤之前,我想在每个列中创建几个新列,以根据年份和产品汇总收入,类似于以下内容:
输入数据
| |Year |Customer |Product |PO |Revenue |
| |:--------|:--------|:--------|:--------|:--------|
|0| 2019 | Cust 1 | DIGITAL | P1 | 100 |
|1| 2020 | Cust 1 | DIGITAL | P2 | 120 |
|2| 2019 | Cust 2 | STORE | P3 | 240 |
|3| 2019 | Cust 1 | DIGITAL | P4 | 200 |
|4| 2019 | Cust 2 | DIGITAL | P5 | 110 |
|5| 2020 | Cust 2 | STORE | P6 | 100 |
|6| 2020 | Cust 3 | DIGITAL | P7 | 120 |
|7| 2020 | Cust 3 | STORE | P8 | 180 |
期望的输出
| |Year |Customer |Product |PO |Revenue |19 Total |20 Total |19 Dig |20 Dig |19 Store |20 Store
| |:--------|:--------|:--------|:--------|:--------|:--------|:--------|:--------|:--------|:--------|:--------
|0| 2019 | Cust 1 | DIGITAL | P1 | 100 | 100 | | 100 | | |
|1| 2020 | Cust 1 | DIGITAL | P2 | 120 | | 120 | | 120 | |
|2| 2019 | Cust 2 | STORE | P3 | 240 | 240 | | | | 240 |
|3| 2019 | Cust 1 | DIGITAL | P4 | 200 | 200 | | 200 | | |
|4| 2019 | Cust 2 | DIGITAL | P5 | 110 | 110 | | 110 | | |
|5| 2020 | Cust 2 | STORE | P6 | 100 | | 100 | | | | 100
|6| 2020 | Cust 3 | DIGITAL | P7 | 120 | | 120 | | 120 | |
|7| 2020 | Cust 3 | STORE | P8 | 180 | | 180 | | | | 180 |
所以基本上每年都会有其年度总额,以及产品类别下的收入金额。注意,现在需要保持列或行的顺序。
您能提供的任何帮助都会很棒 - 如果有任何不妥之处,请告诉我。
编辑 在处理几个选项时,我发现下面的代码有效,但如果有人能提供帮助,我相信有一种更简洁的方式来编写它?
df_2019 = df.loc[df['Year'] == 2019]
df_2020 = df.loc[df['Year'] == 2020]
df_list = [df_2019, df_2020]
for i in df_list:
i[str(i['Year'].min())+' Total Rev'] = i['Revenue']
i[str(i['Year'].min())+' Dig Rev'] = i.loc[i['Product'] == 'DIGITAL', 'Revenue']
i[str(i['Year'].min())+' Store Rev'] = i.loc[i['Product'] == 'STORE', 'Revenue']
df_combined = pd.concat(df_list).sort_index()
df_combined
【问题讨论】:
【参考方案1】:我们可以pivot_table
两次,然后使用列表理解来展平您的 MultiIndex,最后使用 pd.concat
创建您的最终数据框:
piv1 = df.pivot_table(
index=["PO"],
columns='Year',
values="Revenue"
).reset_index(drop=True).add_suffix(" Total")
piv2 = df.pivot_table(
index=["PO"],
columns=["Year", "Product"],
values="Revenue"
).reset_index(drop=True)
piv2.columns = [f"c1 c2" for c1, c2 in piv2.columns]
df = pd.concat([df, piv1, piv2], axis=1)
Year Customer Product PO Revenue 2019 Total 2020 Total 2019 DIGITAL \
0 2019 Cust 1 DIGITAL P1 100 100.0 NaN 100.0
1 2020 Cust 1 DIGITAL P2 120 NaN 120.0 NaN
2 2019 Cust 2 STORE P3 240 240.0 NaN NaN
3 2019 Cust 1 DIGITAL P4 200 200.0 NaN 200.0
4 2019 Cust 2 DIGITAL P5 110 110.0 NaN 110.0
5 2020 Cust 2 STORE P6 100 NaN 100.0 NaN
6 2020 Cust 3 DIGITAL P7 120 NaN 120.0 NaN
7 2020 Cust 3 STORE P8 180 NaN 180.0 NaN
2019 STORE 2020 DIGITAL 2020 STORE
0 NaN NaN NaN
1 NaN 120.0 NaN
2 240.0 NaN NaN
3 NaN NaN NaN
4 NaN NaN NaN
5 NaN NaN 100.0
6 NaN 120.0 NaN
7 NaN NaN 180.0
【讨论】:
感谢 Erfan,感谢您在此问题上回复我 - 我遇到的问题是我的主要数据集实际上是大约 70 列,虽然我不需要保留顺序,但我确实需要确保他们都包括在内以上是关于循环遍历数据框列表以动态创建新列的主要内容,如果未能解决你的问题,请参考以下文章