我有这个 pandas 数据框,其“代码”列包含顺序分层代码。我的目标是使用每个层次级别代码及其名称创建新列,如下所示:
原始数据:
Code Name
0 A USA
1 AM Massachusetts
2 AMB Boston
3 AMS Springfield
4 D Germany
5 DB Brandenburg
6 DBB Berlin
7 DBD Dresden
My Goal:
Code Name Level1 Level1Name Level2 Level2Name Level3 Level3Name
0 A USA A USA AM Massachusetts AMB Boston
1 AM Massachusetts A USA AM Massachusetts AMB Boston
2 AMB Boston A USA AM Massachusetts AMB Boston
3 AMS Springfield A USA AM Massachusetts AMS Springfiled
4 D Germany D Germany DB Brandenburg DBB Berlin
5 DB Brandenburg D Germany DB Brandenburg DBB Berlin
6 DBB Berlin D Germany DB Brandenburg DBB Berlin
7 DBD Dresden D Germany DB Brandenburg DBD Dresden
My Code:
import pandas as pd
df = pd.read_excel(r'/Users/BoBoMann/Desktop/Sequence.xlsx')
df['Length']=test.Code.str.len() ## create a column with length of each cell in Code
df['Level1']=test.Code.str[:1] ## create the first level using string indexing
df['Level1Name'] = df[df['Length']==1]['Name']
df.head() ## This yields:
Code Name Length Level1 Level1Name
0 A USA 1 A USA
1 AM Massachusetts 2 A NaN
2 AMB Boston 3 A NaN
3 AMS Springfield 3 A NaN
4 D Germany 1 D Germany
5 DB Brandenburg 2 D NaN
6 DBB Berlin 3 D NaN
7 DBD Dresden 3 D NaN
对于我当前的方法,如何在 Level1Name 列中将这些 NaN 分别转换为 USA 和 德国?
一般来说,是否有更好的方法来实现为每个层次结构层创建列并将它们与另一列中各自的名称相匹配的目标?
IIUC,让我们使用这段代码:
df['Codes'] = [[*i] for i in df['Code']]
df_level = df['Code'].str.extractall('(.)')[0].unstack('match').bfill().cumsum(axis=1)
s_map = df.explode('Codes').drop_duplicates('Code', keep='last').set_index('Code')['Name']
df_level.columns = [f'Level{i+1}' for i in df_level.columns]
df_level_names = pd.concat([df_level[i].map(s_map) for i in df_level.columns],
axis=1,
keys=df_level.columns+'Name')
df_out = df.join([df_level, df_level_names]).drop('Codes', axis=1)
df_out
Output:
Code Name Level1 Level2 Level3 Level1Name Level2Name Level3Name
0 A USA A AM AMB USA Massachusetts Boston
1 AM Massachusetts A AM AMB USA Massachusetts Boston
2 AMB Boston A AM AMB USA Massachusetts Boston
3 AMS Springfield A AM AMS USA Massachusetts Springfield
4 D Germany D DB DBB Germany Brandenburg Berlin
5 DB Brandenburg D DB DBB Germany Brandenburg Berlin
6 DBB Berlin D DB DBB Germany Brandenburg Berlin
7 DBD Dresden D DB DBD Germany Brandenburg Dresden
解释:
- 将字符串解压到创建“代码”列的字符列表中
- 使用创建“LevelX”列
extractall
和正则表达式.
得到一个
单个字符,那么bfill
上面的 NaN 和cumsum
沿着行到
创建“LevelX”列
- 创建一个 pd.Series 来使用
map
通过致电explode
关于“代码”
列在上面创建和drop_duplicates
保留最后的值
“代码”然后set_index
在“代码”上并将“名称”栏保留为
创建“s_map”。
- 重命名名称 df_level 列以获取 Level1 而不是 Level0。
- Use
pd.concat
与列表理解map
df_level 列到
使用 s_map 的 df_level_names。另外,使用keys
要重命名的参数
新列并附加“名称”
- Use
join
将 df 与 df_levels 和 df_level_names 连接,然后drop
“代码”列,创建所需的输出。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)