python - 按变量重新索引 CSV 文件

Question

所以，我有一个 CSV 文件，如下所示:[较小的示例]

value,variable,comparison
260,5,0
266,5,0
272,6,0
418,7,1
416,7,1
260,1,0
320,1,0
558,1,0
306,2,0
568,2,0
544,2,0
310,3,0
558,3,0
446,3,0
262,4,0
394,4,0

本质上，需要发生的是列 variable 需要重新索引，因此不是在当前索引中排序 5,6,7,1,2,4 它需要1,2,3,4,5,6,7 不排序。需要保留数据的位置。不知道如何做到这一点，将回答任何人的问题。我考虑过也许使用 pandas 库，或者将 CSV 文件拆分为多个字典，然后将 key 更改为 1,2,3,4,5 等。

目前，为了获取当前输出，我使用了 pandas 中的堆叠函数，然后输出到 CSV。这是我的代码:

    index_column_name ='value'
    dt = dataset.iloc[:,9:16].stack().sort_index(level=1).reset_index(level=0, drop=True).to_frame()
    #Create the "index_value" column
    dt['variable'] = pandas.Categorical(dt.index).codes+1
    dt.rename(columns={0:index_column_name}, inplace=True)
    dt.set_index(index_column_name, inplace=True)
    dt.to_csv(filename + ".csv", sep=',')

期望的输出:

260,1,0
266,1,0
272,2,0
418,3,1
416,3,1
260,4,0
320,4,0
558,4,0
306,5,0
568,5,0
544,5,0
310,6,0
558,6,0
446,6,0
262,7,0
394,7,0

同样，我需要数据的实际位置相同，因此不使用排序函数，不同组的变量需要位于同一位置。

Answer 1

你可以尝试:

reordering_map = {old_value: new_value for old_value, new_value in zip(df.variable.unique(), range(1, len(df.variable.unique()) + 1) )}

print(reordering_map)
# output: {5: 1, 6: 2, 7: 3, 1: 4, 2: 5, 3: 6, 4: 7}

df.variable = df.variable.apply(lambda x: reordering_map[x])

df