如何将三列合并为两列,一列是分类的,另一列是数字的? (蟒蛇熊猫)
Posted
技术标签:
【中文标题】如何将三列合并为两列,一列是分类的,另一列是数字的? (蟒蛇熊猫)【英文标题】:How do I merge three columns into two, One categorical and the other numerical? (python pandas) 【发布时间】:2021-10-29 09:17:36 【问题描述】:这里是数据科学实习生。
好的,我目前在 python 中有一个数据框,如下所示:
df = pd.DataFrame('Utility': ["Akron", 'Akron', 'Akron', 'Akron'],
'Area': ['other', 'other', 'other', 'other'],
'Category': ['Digital', 'Digital', 'Digital',
'Digital'],
'Subcategory': ['Plans', 'Services', 'Asset
Management', 'Billing'],
'Unit':['USD','USD','USD','USD'],
'Value':[0,0,0,0],
"Population Served":
[280000,280000,280000,280000])
print(df)
输出:
Utility Area Category Subcategory Unit Value Population Served
0 Akron other Digital Plans USD 0 280000
1 Akron other Digital Services USD 0 280000
2 Akron other Digital Asset Management USD 0 280000
3 Akron other Digital Billing USD 0 280000
我的主管说她需要能够过滤列单位才能找到 Value 和 Population Served 列。因此,她希望 Unit 列包含两个类别:(Population Served 和 USD),而 Value 列仅包含给定实用程序的人口或支出。注意:我猜她希望所有类别列(区域、类别、子类别等)对于指示给定实用程序服务的人口的任何行都是空白的。
所以我需要它看起来像:
df = pd.DataFrame('Utility': ["Akron", 'Akron', 'Akron', 'Akron',
"Akron", 'Akron', 'Akron', 'Akron'],
'Area': ['other', 'other', 'other', 'other', np.nan,
np.nan, np.nan, np.nan],
'Category': ['Digital', 'Digital', 'Digital',
'Digital', np.nan, np.nan, np.nan, np.nan],
'Subcategory': ['Plans', 'Services', 'Asset
Management', 'Billing', np.nan,np.nan,np.nan,np.nan],
'Unit':['USD','USD','USD','USD', 'Pop Served', 'Pop
Served', 'Pop Served', 'Pop Served'],
'Value':[0,0,0,0,280000,280000,280000,280000])
打印(df)
输出:
Utility Area Category Subcategory Unit Value
0 Akron other Digital Plans USD 0
1 Akron other Digital Services USD 0
2 Akron other Digital Asset Management USD 0
3 Akron other Digital Billing USD 0
4 Akron NaN NaN NaN Pop Served 280000
5 Akron NaN NaN NaN Pop Served 280000
6 Akron NaN NaN NaN Pop Served 280000
7 Akron NaN NaN NaN Pop Served 280000
我一直在尝试使用 pd.melt 来完成此操作,但我不知道如何操作,因为我正在处理将 3 列分成两列的问题。我愿意使用 for 循环执行此操作,但我担心这可能需要很长时间,并且在插入新行时需要精确索引。
需要明确的是,我认为这不是一个好主意。我认为它没有真正的充分理由使文件的大小增加一倍。我也将接受关于如何在 excel 中完成她想要的视图的答案,而无需我玩 csv。
【问题讨论】:
始终以文本形式提供示例数据以及预期的输出,以便人们对其进行处理。 @HenryYik 好的,我编辑了原帖 【参考方案1】:为了区分不同行中的值,我将源 DataFrame 定义为:
Utility Area Category Subcategory Unit Value Population Served
0 Akron other Digital Plans USD 0 280100
1 Akron other Digital Services USD 10 280200
2 Akron other Digital Asset Management USD 20 280300
3 Akron other Digital Billing USD 30 280400
要获得结果,请运行以下代码:
wrk = df.drop(columns=['Unit']).rename(columns='Value': 'USD')\
.set_index(df.columns[:4].to_list()).stack().rename('Value')
wrk.index.rename('Unit', level=4, inplace=True)
result = wrk.sort_index(level=4, sort_remaining=False).reset_index()
result.loc[result.Unit == 'Population Served', df.columns[1:4].to_list()] = np.nan
对于我的源数据,结果是:
Utility Area Category Subcategory Unit Value
0 Akron other Digital Plans USD 0
1 Akron other Digital Services USD 10
2 Akron other Digital Asset Management USD 20
3 Akron other Digital Billing USD 30
4 Akron NaN NaN NaN Population Served 280100
5 Akron NaN NaN NaN Population Served 280200
6 Akron NaN NaN NaN Population Served 280300
7 Akron NaN NaN NaN Population Served 280400
要完全理解上面的代码是如何工作的,运行是逐步的(一种方法 一个接一个)并查看部分结果。
也许您还应该阅读有关所用方法的文档。
编辑
使用 melt 的替代方法:
result = df.drop(columns=['Unit']).rename(columns='Value': 'USD')\
.melt(id_vars=['Utility', 'Area', 'Category', 'Subcategory'],
value_vars=['USD', 'Population Served'], var_name='Unit',
value_name='Value')
result.loc[result.Unit == 'Population Served', df.columns[1:4].to_list()] = np.nan
【讨论】:
嘿@Valdi_Bo 如果我要对 486,000 行重复上述方法,我会用行数替换数字 4 吗? 不是。 “4”不是行数。它是索引级别的编号。而 df.columns[:4] 我曾经避免字面重复源列名。以上是关于如何将三列合并为两列,一列是分类的,另一列是数字的? (蟒蛇熊猫)的主要内容,如果未能解决你的问题,请参考以下文章