python - 如果字段包含特定列中的值，则将字段移动到新列

Question

LINE    TXOBJECT    TXNAME  TXID    LANG TXLINES
1       KNMT         1234   0001     EN
2         *          MEA
2         *          MEB
2         *          MEB
1       KNMT        12345   0001     EN
2         *          MEN
2         *          MED
2         *          MEC
1       KNMT        123456  0001     EN
2         *          LADY
2         *          BOY
2         *          DUDE

我有一个文件，我需要在新列中添加一些字段，以便我能够将所需的字段放入新行中，但我无法将第 2 行上的 TXNAME 列放入TXLINES 列。

我不知道我对我想要的解释是否正确，但我会在下面解释我需要什么

我想要下面这个。

LINE    TXOBJECT    TXNAME  TXID    LANG TXLINES
1       KNMT         1234   0001     EN  MEA MEB MEB
1       KNMT        12345   0001     EN  MEN MED MEC
1       KNMT        123456  0001     EN  LADY BOY DUDE

请告知实现此目的的最佳方法。谢谢。

Answer 1

这是一种方法:

g = df.groupby((df.LINE == 1).cumsum())
txl = g['TXNAME'].apply(lambda x: x[1:].values).values
df = g.head(1).assign(TXLINES=txl).reset_index(drop=True)

完整示例:

import pandas as pd
import numpy as np

data = '''\
LINE    TXOBJECT    TXNAME  TXID    LANG TXLINES
1       KNMT         1234   0001     EN
2         *          MEA
2         *          MEB
2         *          MEB
1       KNMT        12345   0001     EN
2         *          MEN
2         *          MED
2         *          MEC
1       KNMT        123456  0001     EN
2         *          LADY
2         *          BOY
2         *          DUDE'''

fileobj = pd.compat.StringIO(data)
df = pd.read_csv(fileobj, sep='\s+').fillna('')

# Restructure
g = df.groupby((df.LINE == 1).cumsum())
txl = g['TXNAME'].apply(lambda x: x[1:].values).values
df = g.head(1).assign(TXLINES=txl).reset_index(drop=True)

print(df)

返回:

   LINE TXOBJECT  TXNAME TXID LANG            TXLINES
0     1     KNMT    1234    1   EN    [MEA, MEB, MEB]
1     1     KNMT   12345    1   EN    [MEN, MED, MEC]
2     1     KNMT  123456    1   EN  [LADY, BOY, DUDE]

<小时/>

说明:

这里的目的是捕获所有 TXOBJECT == "*" 的行，实现这一点的一种方法是使用我们获得 LINE 列的事实。通过挑选值为 1 的行并应用 cumsum()，我们可以将这些行分组。从这里我们进行 twp 操作:获取 txlines 值，然后我们获取每组的第一行并重构您的数据。

通过使用 txl = g['TXNAME'].apply(lambda x: ' '.join(x[1:])).values ，您将得到:

   LINE TXOBJECT  TXNAME TXID LANG        TXLINES
0     1     KNMT    1234    1   EN    MEA MEB MEB
1     1     KNMT   12345    1   EN    MEN MED MEC
2     1     KNMT  123456    1   EN  LADY BOY DUDE

如果更清楚的话，您还可以将 txl = 更改为:

txl = g['TXNAME'].apply(list).str[1:].values