使用python组合两个文件？

Posted 2023-03-11

【中文标题】使用python组合两个文件？

【英文标题】：Combining two files using python?

【发布时间】：2017-09-28 21:28:23

【问题描述】：

我使用 pycharm 版本 2.7.9 和 pandas 版本 - 0.19.2。 我有一个名为 - 'data' 的 csv 文件，其中包含带有纬度和经度的站名数据。

df = pd.read_csv(data.csv, sep="^", dtype=object)
df["train_board_station"] = ['Tokyo','LA','Paris','New_York','Delhi']
df["train_off_station"] = ['Phoenix','London','Sydney','Berlin','Shanghai']

我采用另一个 csv 文件，如果 'train_board_station' 和 'train_off_station' 与 'station' 相同，则将纬度和经度数据添加到其中。

ref = pd.read_csv(ref.csv, sep="^", header=0, dtype=str)
df["station"] = ['Tokyo','London','Paris','New_York','Shanghai,''LA','Sydney','Berlin','Phoenix','Delhi']
df["latitude"] = ['-34.54','56.789','-78,98','45.62','111.67','23.78','-98.40','-76.89','23.98','23.89']
df["longitude"] = ['34.89','-78.55','78.89','34.12','56.56','23.23','-78.65','34.76','23.67','21.645']

如果 'train_board_station'、'train_off_station' 与 data.csv 中的 'station' 匹配，我想合并 'ref.csv' 文件中的 'latitude' 和 'longitude'

for x in ["board", "off"]:
    df["station"] = df["train_" + x + "_station"]
    df = pd.concat([df, ref], axis=1, join_axes=[df.index])
    df[x + "_latitude"] = df["latitude"]
    df[x + "_longitude"] = df["longitude"]

当我尝试运行代码时。我得到错误 -

  KeyError: 'train_board_station'

【问题讨论】：

你能发布错误的完整回溯吗？

是的。我已经添加了。请检查代码

这个错误似乎很明显 - df 没有密钥 'train_board_station'。

我是编码初学者，你能详细解释一下吗？

尝试在pd.concat行之前和之后打印出df.keys()。

【参考方案1】：

df = pd.DataFrame()
df["train_board_station"] = ['Tokyo','LA','Paris','New_York','Delhi']
df["train_off_station"] = ['Phoenix','London','Sydney','Berlin','Shanghai']

#need ref DataFrame
ref = pd.DataFrame()
ref["station"] = ['Tokyo','London','Paris','New_York','Shanghai','LA','Sydney','Berlin','Phoenix','Delhi']
ref["latitude"] = ['-34.54','56.789','-78,98','45.62','111.67','23.78','-98.40','-76.89','23.98','23.89']
ref["longitude"] = ['34.89','-78.55','78.89','34.12','56.56','23.23','-78.65','34.76','23.67','21.645']

我相信你可以在循环中使用join：

for x in ["board", 'off']:
    val = "train_" + x + "_station"
    df1 = df[[val]].join(ref.set_index('station'), on=val)
    df[x + "_latitude"] = df1["latitude"]
    df[x + "_longitude"] = df1["longitude"]
print (df)
  train_board_station train_off_station board_latitude board_longitude  \
0               Tokyo           Phoenix         -34.54           34.89   
1                  LA            London          23.78           23.23   
2               Paris            Sydney         -78,98           78.89   
3            New_York            Berlin          45.62           34.12   
4               Delhi          Shanghai          23.89          21.645   

  off_latitude off_longitude  
0        23.98         23.67  
1       56.789        -78.55  
2       -98.40        -78.65  
3       -76.89         34.76  
4       111.67         56.56  

【讨论】：

非常感谢！！这正是我想要的！

检查列名print (ref.columns.tolist())和print (df.columns.tolist())

我认为有一些空格，可以使用df.columns = df.columns.str.strip() 删除它。

你是对的！！！！其中一个文件缺少列名！哇！非常感谢！！

【参考方案2】：

这是使用.join 函数的示例。首先是最小设置。

import pandas as pd

df = pd.DataFrame(
    "station": ["Tokyo", "Amsterdam"],
    "size": [100, 200]
)

ref = pd.DataFrame(
    "train_station": ["Amsterdam", "Tokyo"],
    "lon": [23, 12],
    "lat": [34, 12]
)

加入的关键是在两个数据帧上设置索引。

df.set_index("station").join(ref.set_index("train_station"))

出局