遍历列以切片数据集

Posted 2023-02-23

【中文标题】遍历列以切片数据集

【英文标题】：Iterate over columns to slice dataset

【发布时间】：2018-12-14 13:57:02

【问题描述】：

我有以下数据集： 名为：2,3,4...9 的列填充了彼此重叠的主题名称。浏览量是一个结果变量。

        2                           3                       Pageviews
0       Financial Services          Consumer Products       4106.0
1       Consumer Products           ...                     3368.0
2       Consumer Products           ...                     1025.0
3       Collaboration               ...                     7840.0
4       Future of Supply Chains     ...                     2076.0

我想将每个主题列 (2,3, 4, ...) 与 Pageviews 一起切片并附加它们，以便仅创建一个具有 1 个主题列和 Pageviews 的数据框。

我习惯于在 Stata 中循环，您可以使用 x 循环遍历列的名称，但我知道这与 Pyhton 完全不同。

我从

开始

for x in range(2, 9):
    df_x = df[['Pageviews',  df.x]]

但 Python 无法识别 df.x

如何循环遍历列名？是否可以使用迭代器来创建新的数据框？

谢谢！

编辑

我想要的输出是

                                       Col        Pageviews
0                           Financial Services      4106.0
1                            Consumer Products      3368.0
2                            Consumer Products      1025.0
3                                 Collaboration     7840.0
4                      Future of Supply Chains      2076.0
5                          Future of Reporting      2123.0
6                    Sustainability Management     15576.0
7                                 Human Rights        52.0
8                                      BSR News      903.0
9                       Energy and Extractives      1232.0
10                                  HERproject       616.0
11                   Sustainability Management     10697.0

其中 col 是附加第 2、3、4 列的结果...而 Pageviews 是附加相应的 Pageviews 列的结果..

【问题讨论】：

您能否展示您期望输出 DataFrame 的样子？

【参考方案1】：

使用melt

df.melt('Pageviews').drop('variable',1)
Out[644]: 
    Pageviews                 value
0        1210      ConsumerProducts
1        1528         Collaboration
2        1716     FinancialServices
3        1403         Collaboration
4        1090      ConsumerProducts
5        1210      ConsumerProducts
6        1528  FutureofSupplyChains
7        1716      ConsumerProducts
8        1403     FinancialServices
9        1090  FutureofSupplyChains
10       1210     FinancialServices
11       1528     FinancialServices
12       1716         Collaboration
13       1403  FutureofSupplyChains
14       1090     FinancialServices

【参考方案2】：

我认为您正在寻找某种stack 方法而不是迭代（通常，在使用数据帧时，迭代是最后的手段，因为通常有矢量化方法来实现大多数数据重组任务）。

以示例数据框为例：

>>> df
                    0                        1                        2  \
0   Consumer Products        Consumer Products       Financial Services   
1       Collaboration  Future of Supply Chains       Financial Services   
2  Financial Services        Consumer Products            Collaboration   
3       Collaboration       Financial Services  Future of Supply Chains   
4   Consumer Products  Future of Supply Chains       Financial Services   

   Pageviews  
0       1210  
1       1528  
2       1716  
3       1403  
4       1090  

您可以执行以下操作：

new_df = (df.set_index('Pageviews')
          .stack()
          .reset_index(0))

>>> new_df
    Pageviews                        0
0        1210        Consumer Products
1        1210        Consumer Products
2        1210       Financial Services
3        1528            Collaboration
4        1528  Future of Supply Chains
5        1528       Financial Services
6        1716       Financial Services
7        1716        Consumer Products
8        1716            Collaboration
9        1403            Collaboration
10       1403       Financial Services
11       1403  Future of Supply Chains
12       1090        Consumer Products
13       1090  Future of Supply Chains
14       1090       Financial Services

【讨论】：

嗯，既然我读到了你的回答，我不确定 OP 实际上在问什么..

我同意这有点不清楚......这是我的解释