pandas 根据键组合合并行，并将旧的联接数据添加到新列中

zvms9eto 于 2023-10-14 发布在其他

关注(0)|答案(3)|浏览(86)

在python pandas中，从这个框架A到框架B的最简单的可读性好的方法是什么？
数据框A：
| | 流|意外| accidental |
| --|--|--|--|
| 0 |一|2.33349|主要|
| 1 |A编号|3.0565|轻微|
| 2 |B| 2.52871|主要|
| 3 |C#语言|3.02007|轻微|
| 4 |D| 2.76289|主要|
| 5 |D编号|2.57981|轻微|
| 6 |E|二点五三六五一|主要|
| 7 |F| 2.48089|主要|
| 8 |F编号|2.58316|轻微|
| 9 |G| 2.44892|主要|
| 10 |G编号|2.7892|轻微|
数据框B：
| 关键|主要河流|支流|
| --|--|--|
| 一|2.33349| 3.0565|
| B| 2.52871|楠|
| C|楠|3.02007|
| D| 2.76289| 2.57981|
| E|二点五三六五一|楠|
| F| 2.48089| 2.58316e |
| G| 2.44892| 2.7892|
我的解决方案是使用groupby聚合将流和accidentals合并到列表中。我还去掉了“key”元素中的“#”，以便能够使用groupby。

df_agg = df_agg.groupby('key').agg({'streams': list, 'accidental' : list})
major,minor = streams_split(df_agg['streams'].to_list(), df_agg['accidental'].to_list())
test = pd.DataFrame({'major_streams': major, 'minor_streams': minor }, index =df_agg.index)

然后，我有一个单独的助手函数，streams_split，手动将'streams'分为主要和次要的python列表并返回它们。然后使用新的列表将它们再次组合成一个新的框架。似乎有点矫枉过正和混乱的解决方案。我想知道是否有人有更好的解决方案。谢谢你的时间！

pandas

来源：https://stackoverflow.com/questions/77269595/combine-rows-based-on-key-and-also-add-the-old-joined-data-into-a-new-column

3条答案

按热度按时间

goucqfw61#

验证码

首先，从键列中删除'#'，然后创建一个透视表。
我使用rename函数将列名更改为您想要的名称。

(df.assign(key=df['key'].str.replace('#', ''))
   .pivot_table('streams', index='key', columns='accidental')
   .rename(lambda x: x.lower() + '_streams', axis=1))

产出：

accidental  major_streams   minor_streams
key     
A           2.33349         3.05650
B           2.52871         NaN
C           NaN             3.02007
D           2.76289         2.57981
E           2.53651         NaN
F           2.48089         2.58316
G           2.44892         2.78920

示例

import pandas as pd
data = {'key': ['A', 'A#', 'B', 'C#', 'D', 'D#', 'E', 'F', 'F#', 'G', 'G#'], 
        'streams': [2.33349, 3.0565, 2.52871, 3.02007, 2.76289, 2.57981, 2.53651, 2.48089, 2.58316, 2.44892, 2.7892], 
        'accidental': ['Major', 'Minor', 'Major', 'Minor', 'Major', 'Minor', 'Major', 'Major', 'Minor', 'Major', 'Minor']}
df = pd.DataFrame(data)

赞(0）回复(0）举报 2023-10-14

y0u0uwnf2#

下面是使用groupby的简单方法，并进行了一些重新整形：

df.groupby([df['key'].str[0], df['accidental']])['streams']\
  .sum()\
  .unstack()\
  .rename_axis(None, axis=1)\
  .reset_index()

输出量：

key    Major    Minor
0   A  2.33349  3.05650
1   B  2.52871      NaN
2   C      NaN  3.02007
3   D  2.76289  2.57981
4   E  2.53651      NaN
5   F  2.48089  2.58316
6   G  2.44892  2.78920

赞(0）回复(0）举报 2023-10-14

ego6inou3#

看起来像是一个crosstab的工作：

out = (pd.crosstab(df['key'].str.strip('#'), df['accidental'].str.lower(),
                   values=df['streams'], aggfunc='sum')
         .add_suffix('_streams')
         .reset_index().rename_axis(index=None, columns=None) # optional
      )

输出量：

key  major_streams  minor_streams
0   A        2.33349        3.05650
1   B        2.52871            NaN
2   C            NaN        3.02007
3   D        2.76289        2.57981
4   E        2.53651            NaN
5   F        2.48089        2.58316
6   G        2.44892        2.78920

赞(0）回复(0）举报 2023-10-14

我来回答

pandas 根据键组合合并行，并将旧的联接数据添加到新列中

3条答案

相关问题

热门标签

最新问答