- 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
我得到了文本文件,我的文本文件包含有关部门和经理的信息txt 中的示例部分:
department: sale
group : building a
manager::sergey
department: hr
group : building a
manager::tom
location:somewhereelse
department: health
group : building b
manager::jeniffer
manager::billy
department: security
group : building b
manager::john
每个部门之间的经理姓名后有一个空行。行中每个信息后有一个空格。
我使用 df_readcsv 并转换该 csv 来制作包含 dep、group、manager、location 的列
有2个问题
1- 有时部门(如卫生部门)可能有 2 名经理。如果同一部门有 2 位经理,我就失败了。我的代码仅适用于 1 位经理。如何与其他经理一起添加一栏?
2- 有时,人力资源部门的行数比其他行数多。有关于位置的信息。进行常规 df 变得更加困难。我想它需要动态结构:(
它应该是什么的示例
dep group manager Location
sale building a sergey ""
hr building a tom somewhereelse
health building b jeniffer ""
health building b billy ""
我能做什么?
我的代码
df = pd.read_csv('sample.txt', sep="\n")
df = data.replace({ '# department: ' : " ", '# group:' : " ",'# manager:' : " ",}, regex= True)
ab = pd.DataFrame(df.values.reshape(-1, 7),
columns=["department","group","manager"])
最佳答案
您可以按如下方式执行此操作:
import pandas as pd
# read the file in the structure it is
# using a consequtive series of : as
# field separators
# and cutting off the spaces before
# and after the colon
# the two fields are named _key and _value
# skip the blank lines
df= pd.read_csv(
io.StringIO(raw),
sep='\s*:+\s*',
skip_blank_lines=True,
names=['_key', '_value'],
engine='python')
# now build groups to identify which
# rows belong together
# assuming each group begins with
# a line containing department in the
# key column
group_ser= df['_key'] == 'department'
df['_group']= group_ser.cumsum()
# now get rid of the duplicate manager
# rows by putting the manager values
# into a list
df_agg_managers= df[df['_key']=='manager'].groupby(['_group', '_key']).agg({'_value':list})
# the rest actually does not deed to be
# aggregated according to your description
# so just add the index structure so it
# matches the one of df_agg_managers
df_rest= df[df['_key']!='manager'].set_index(['_group', '_key'])
df_all= pd.concat([df_agg_managers, df_rest], axis='index')
# now use the content of the _key column
# to build columns (like in a pivot operation)
df_unstacked= df_all.unstack()
# get rid of the first level in the column names
df_unstacked.columns= df_unstacked.columns.get_level_values(1)
# count the number of entries per manager
# column
len_ser= df_unstacked['manager'].map(len)
# below we loop only over the rows that contain
# lists with at least one element, so we need
# an extra treatment for the rows with empty
# lists or NaN
df_result= df_unstacked.loc[(len_ser<1) | df_unstacked['manager'].isna()].reset_index()
# now create one row per entry in the manager-list
for i in range(len_ser.max()):
df_work= df_unstacked.loc[len_ser > i].copy()
df_work['manager']= df_work['manager'].map(lambda lst: lst[i])
df_result= pd.concat([df_result, df_work.reset_index()], axis='index', ignore_index=True)
# apply some final cosmetics
# sort the rows so they appear groupwise
# then remove the _group column
df_result.sort_values('_group').drop(['_group'], axis='columns')
结果是:
_key department group location manager
0 sale building a NaN sergey
1 hr building a somewhereelse tom
2 health building b NaN jeniffer
4 health building b NaN billy
3 security building b NaN john
如果在以下测试数据上运行:
raw="""department: sale
group : building a
manager::sergey
department: hr
group : building a
manager::tom
location:somewhereelse
department: health
group : building b
manager::jeniffer
manager::billy
department: security
group : building b
manager::john"""
注意:如果所有组都以部门开头的假设是错误的,您还可以使用空行对内容进行分组。您可以将前几行替换为:
df= pd.read_csv(
io.StringIO(raw),
sep='\s*:+\s*',
skip_blank_lines=False,
names=['_key', '_value'],
engine='python')
group_ser= df['_key'].isna()
df['_group']= group_ser.cumsum()+1
df.drop(group_ser[group_ser==True].index, axis='index', inplace=True)
关于Python从txt读取具有重复值的csv,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57852652/
我正在处理一组标记为 160 个组的 173k 点。我想通过合并最接近的(到 9 或 10 个组)来减少组/集群的数量。我搜索过 sklearn 或类似的库,但没有成功。 我猜它只是通过 knn 聚类
我有一个扁平数字列表,这些数字逻辑上以 3 为一组,其中每个三元组是 (number, __ignored, flag[0 or 1]),例如: [7,56,1, 8,0,0, 2,0,0, 6,1,
我正在使用 pipenv 来管理我的包。我想编写一个 python 脚本来调用另一个使用不同虚拟环境(VE)的 python 脚本。 如何运行使用 VE1 的 python 脚本 1 并调用另一个 p
假设我有一个文件 script.py 位于 path = "foo/bar/script.py"。我正在寻找一种在 Python 中通过函数 execute_script() 从我的主要 Python
这听起来像是谜语或笑话,但实际上我还没有找到这个问题的答案。 问题到底是什么? 我想运行 2 个脚本。在第一个脚本中,我调用另一个脚本,但我希望它们继续并行,而不是在两个单独的线程中。主要是我不希望第
我有一个带有 python 2.5.5 的软件。我想发送一个命令,该命令将在 python 2.7.5 中启动一个脚本,然后继续执行该脚本。 我试过用 #!python2.7.5 和http://re
我在 python 命令行(使用 python 2.7)中,并尝试运行 Python 脚本。我的操作系统是 Windows 7。我已将我的目录设置为包含我所有脚本的文件夹,使用: os.chdir("
剧透:部分解决(见最后)。 以下是使用 Python 嵌入的代码示例: #include int main(int argc, char** argv) { Py_SetPythonHome
假设我有以下列表,对应于及时的股票价格: prices = [1, 3, 7, 10, 9, 8, 5, 3, 6, 8, 12, 9, 6, 10, 13, 8, 4, 11] 我想确定以下总体上最
所以我试图在选择某个单选按钮时更改此框架的背景。 我的框架位于一个类中,并且单选按钮的功能位于该类之外。 (这样我就可以在所有其他框架上调用它们。) 问题是每当我选择单选按钮时都会出现以下错误: co
我正在尝试将字符串与 python 中的正则表达式进行比较,如下所示, #!/usr/bin/env python3 import re str1 = "Expecting property name
考虑以下原型(prototype) Boost.Python 模块,该模块从单独的 C++ 头文件中引入类“D”。 /* file: a/b.cpp */ BOOST_PYTHON_MODULE(c)
如何编写一个程序来“识别函数调用的行号?” python 检查模块提供了定位行号的选项,但是, def di(): return inspect.currentframe().f_back.f_l
我已经使用 macports 安装了 Python 2.7,并且由于我的 $PATH 变量,这就是我输入 $ python 时得到的变量。然而,virtualenv 默认使用 Python 2.6,除
我只想问如何加快 python 上的 re.search 速度。 我有一个很长的字符串行,长度为 176861(即带有一些符号的字母数字字符),我使用此函数测试了该行以进行研究: def getExe
list1= [u'%app%%General%%Council%', u'%people%', u'%people%%Regional%%Council%%Mandate%', u'%ppp%%Ge
这个问题在这里已经有了答案: Is it Pythonic to use list comprehensions for just side effects? (7 个答案) 关闭 4 个月前。 告
我想用 Python 将两个列表组合成一个列表,方法如下: a = [1,1,1,2,2,2,3,3,3,3] b= ["Sun", "is", "bright", "June","and" ,"Ju
我正在运行带有最新 Boost 发行版 (1.55.0) 的 Mac OS X 10.8.4 (Darwin 12.4.0)。我正在按照说明 here构建包含在我的发行版中的教程 Boost-Pyth
学习 Python,我正在尝试制作一个没有任何第 3 方库的网络抓取工具,这样过程对我来说并没有简化,而且我知道我在做什么。我浏览了一些在线资源,但所有这些都让我对某些事情感到困惑。 html 看起来
我是一名优秀的程序员,十分优秀!