- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时,我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
我有一个数据框,其中有多个具有相似列名的列。我希望用右边有数据的那些列填充空单元格。
Address1 Address2 Address3 Address4 Phone1 Phone2 Phone3 Phone4
ABC nan def nan 9091-XYz nan nan XYZ-ABZ
应该列转移到类似的东西
Address1 Address2 Address3 Address4 Phone1 Phone2 Phone3 Phone4
ABC def nan nan 9091-XYz XYZ-ABZ nan nan
还有另一个 question 解决了类似的问题。
pdf = pd.read_csv('Data.txt',sep='\t')
# gets a set of columns removing the numerical part
columns = set(map(lambda x : x.rstrip('0123456789'),pdf.columns))
for col_pattern in columns:
# get columns with similar names
current = [col for col in pdf.columns if col_pattern in col]
coldf= pdf[current]
# shift columns to the left
文件 Data.txt
中的列按列名排序,因此所有具有相似名称的列都放在一起。
感谢任何帮助
我曾尝试将此添加到链接中的上述代码中,但内存不足:
newdf=pd.read_csv(StringIO(u''+re.sub(',+',',',df.to_csv()).decode('utf-8')))
list_.append(newdf)
pd.concat(list_,axis=0).to_csv('test.txt')
最佳答案
MultiIndex
和 dropna
的解决方案:
import pandas as pd
import numpy as np
df = pd.DataFrame({'Address1': {0: 'ABC', 1: 'ABC'},
'Address2': {0: np.nan, 1: np.nan},
'Address3': {0: 'def', 1: 'def'},
'Phone4': {0: 'XYZ-ABZ', 1: 'XYZ-ABZ'},
'Address4': {0: np.nan, 1: np.nan},
'Phone1': {0: '9091-XYz', 1: 'Z9091-XYz'},
'Phone3': {0: np.nan, 1: 'aaa'},
'Phone2': {0: np.nan, 1: np.nan}})
print (df)
Address1 Address2 Address3 Address4 Phone1 Phone2 Phone3 Phone4
0 ABC NaN def NaN 9091-XYz NaN NaN XYZ-ABZ
1 ABC NaN def NaN Z9091-XYz NaN aaa XYZ-ABZ
#multiindex from columns of df
cols = df.columns.str.extract('([[A-Za-z]+)(\d+)', expand=True).values.tolist()
mux = pd.MultiIndex.from_tuples(cols)
df.columns = mux
print (df)
Address Phone
1 2 3 4 1 2 3 4
0 ABC NaN def NaN 9091-XYz NaN NaN XYZ-ABZ
1 ABC NaN def NaN Z9091-XYz NaN aaa XYZ-ABZ
#unstack, remove NaN rows, convert to df (because cumcount)
df1 = df.unstack().dropna().reset_index(level=1, drop=True).to_frame()
#create new level of index
df1['g'] = (df1.groupby(level=[0,1]).cumcount() + 1).astype(str)
#add column g to multiindex
df1.set_index('g', append=True, inplace=True)
#reshape to original
df1 = df1.unstack(level=[0,2])
#remove first level of multiindex of column (0 from to_frame)
df1.columns = df1.columns.droplevel(0)
#reindex and replace None to NaN
df1 = df1.reindex(columns=mux).replace({None: np.nan})
#'reset' multiindex in columns
df1.columns = [''.join(col) for col in df1.columns]
print (df1)
Address1 Address2 Address3 Address4 Phone1 Phone2 Phone3 Phone4
0 ABC def NaN NaN 9091-XYz XYZ-ABZ NaN NaN
1 ABC def NaN NaN Z9091-XYz aaa XYZ-ABZ NaN
旧的解决方案:
我发现另一个问题 - 如果 DataFrame
中有更多行,上面的解决方案不会正常工作。所以你可以使用双重apply
。但是这个解决方案的问题是行中值的顺序不正确:
df = pd.DataFrame({'Address1': {0: 'ABC', 1: 'ABC'}, 'Address2': {0: np.nan, 1: np.nan}, 'Address3': {0: 'def', 1: 'def'}, 'Phone4': {0: 'XYZ-ABZ', 1: 'XYZ-ABZ'}, 'Address4': {0: np.nan, 1: np.nan}, 'Phone1': {0: '9091-XYz', 1: '9091-XYz'}, 'Phone3': {0: np.nan, 1: 'aaa'}, 'Phone2': {0: np.nan, 1: np.nan}})
print (df)
Address1 Address2 Address3 Address4 Phone1 Phone2 Phone3 Phone4
0 ABC NaN def NaN 9091-XYz NaN NaN XYZ-ABZ
1 ABC NaN def NaN 9091-XYz NaN aaa XYZ-ABZ
cols = df.columns.str.extract('([[A-Za-z]+)(\d+)', expand=True).values.tolist()
mux = pd.MultiIndex.from_tuples(cols)
df.columns = mux
df = df.groupby(axis=1, level=0)
.apply(lambda x: x.apply(lambda y: y.sort_values().values, axis=1))
df.columns = [''.join(col) for col in df.columns]
print (df)
Address1 Address2 Address3 Address4 Phone1 Phone2 Phone3 Phone4
0 ABC def NaN NaN 9091-XYz XYZ-ABZ NaN NaN
1 ABC def NaN NaN 9091-XYz XYZ-ABZ aaa NaN
我也尝试修改 piRSquared
解决方案 - 那么你不需要 MultiIndex
:
coltype = df.columns.str.extract(r'([[A-Za-z]+)', expand=False)
print (coltype)
Index(['Address', 'Address', 'Address', 'Address', 'Phone', 'Phone', 'Phone',
'Phone'],
dtype='object')
df = df.groupby(coltype, axis=1)
.apply(lambda x: x.apply(lambda y: y.sort_values().values, axis=1))
print (df)
Address1 Address2 Address3 Address4 Phone1 Phone2 Phone3 Phone4
0 ABC def NaN NaN 9091-XYz XYZ-ABZ NaN NaN
1 ABC def NaN NaN 9091-XYz XYZ-ABZ aaa NaN
关于python - 将非空单元格移到分组列 pandas 的左侧,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39361839/
您好,我正在处理 BIRT 报告。我有一个查询,我必须对父级的重复数据进行分组,但子级也不能分组! 在我的查询中: item 是父项,item_ledger_entry 是子项。我有来自 item.N
我正在使用 GA API。 这是针对 MCF 目标报告(底部)的标准目标完成指标表(顶部) 看一下这个: 总数加起来 (12,238),但看看按 channel 分组的分割有多么不同!我以为这些会很接
我正在开发一个流量计数器,我想获得 IP 和重复计数,但是如何? 就像是 :select ip, count(ip) from Redirect 返回 : null total ip count 重定
我尝试编写一个正则表达式来匹配条件表达式,例如: a!=2 1+2=2+a 我尝试提取运算符。我当前的正则表达式是“.+([!=<>]+).+” 但问题是匹配器总是尝试匹配组中可能的最短字符串
在 MS Transact SQL 中,假设我有一个这样的表(订单): Order Date Order Total Customer # 09/30/2008 8
我想按 m.ID 分组,并对每个 m.id 求和 (pm.amount_construction* prod.anzahl) 实际上我有以下结果: Meterial_id | amount_const
我想根据多列中的值对值进行分组。这是一个例子: 我想得到输出: {{-30,-50,20},{-20,30,60},{-30,NULL or other value, 20}} 我设法到达: SELE
我正在尝试找出运行此查询的最佳方式。我基本上需要返回在我们的系统中只下了一个订单的客户的“登录”字段列表(登录字段基本上是客户 ID/ key )。 我们系统的一些背景...... 客户在同一日期下的
给定以下mysql结果集: id code name importance '1234', 'ID-CS-B', 'Chocolate Sauce'
大家好,我的数据框中有以下列: LC_REF 1 DT 16 2C 2 DT 16 2C 3 DT 16 2C 1 DT 16 3C 6 DT 16 3C 3
我有这样的 mongoDB 集合 { "_id" : "EkKTRrpH4FY9AuRLj", "stage" : 10, }, { "_id" : "EkKTRrpH4FY9
假设我有一组数据对,其中 index 0 是值,index 1 是类型: input = [ ('11013331', 'KAT'), ('9085267',
java中用stream进行去重,排序,分组 一、distinct 1. 八大基本数据类型 List collect = ListUtil.of(1, 2, 3, 1, 2).stream().fil
基本上,我从 TABLE_A 中的这个开始 France - 100 France - 200 France - 300 Mexico - 50 Mexico - 50 Mexico - 56 Pol
我希望这个正则表达式 ([A-Z]+)$ 将选择此示例中的最后一次出现: AB.012.00.022ABC-1 AB.013.00.022AB-1 AB.014.00.022ABAB-1 但我没有匹配
我创建了一个数据透视表,但数据没有组合在一起。 任何人都可以帮助我获得所需的格式吗? 我为获取数据透视表而编写的查询: DECLARE @cols AS NVARCHAR(MAX), -- f
我想按时间段(月,周,日,小时,...)选择计数和分组。例如,我想选择行数并将它们按 24 小时分组。 我的表创建如下。日期是时间戳。 CREATE TABLE MSG ( MSG_ID dec
在 SQL Server 2005 中,我有一个包含如下数据的表: WTN------------Date 555-111-1212 2009-01-01 555-111-1212 2009-
题 假设我有 k 个标量列,如果它们沿着每列彼此在一定距离内,我想对它们进行分组。 假设简单 k 是 2 并且它们是我唯一的列。 pd.DataFrame(list(zip(sorted(choice
问题 在以下数据框中 df : import random import pandas as pd random.seed(999) sz = 50 qty = {'one': 1, 'two': 2
我是一名优秀的程序员,十分优秀!