我想根据某些值/条件将数据框中的一列数据转换为多列。
请找到生成输入数据帧的代码
df1 = pd.DataFrame({'VARIABLE':['studyid',1,'age_interview', 65,'Gender','1.Male',
'2.Female',
'Ethnicity','1.Chinese','2.Indian','3.Malay']})
数据如下所示
请注意,我可能事先不知道列名称。但它通常遵循这种格式。我上面显示的是示例数据,实际数据可能有大约 600-700 列,并且数据以这种方式排列
我想做的是以非数字(字符)开头的值转换为数据框中的新列。它可以是一个新的数据框。
我尝试编写一个 for 循环,但由于以下错误而失败。您能帮我实现这个结果吗?
for i in range(3,len(df1)):
#str(df1['VARIABLE'][i].contains('^\d'))
if (df1['VARIABLE'][i].astype(str).contains('^\d') == True):
通过上面的循环,我试图检查第一个字符是否是数字,如果是,则将其保留为值(例如:1,2,3等),如果它是字符(例如:性别,种族等),然后创建一个新列。但我猜这是一个不正确且冗长的方法
例如,在上面的示例中,列将为 Studyid、age_interview、Gender、Ethnicity。
最终输出如下
您能否告诉我是否有一种优雅的方法可以做到这一点?
最佳答案
您可以使用 groupby 执行以下操作:
m=~df1['VARIABLE'].str[0].str.isdigit().fillna(True)
new_df=(pd.DataFrame(df1.groupby(m.cumsum()).VARIABLE.apply(list).
values.tolist()).set_index(0).T)
print(new_df.rename_axis(None,axis=1))
studyid age_interview Gender Ethnicity
1 1 65 1.Male 1.Chinese
2 None None 2.Female 2.Indian
3 None None None 3.Malay
说明:m
是一个辅助系列,有助于分隔组:
print(m.cumsum())
0 1
1 1
2 2
3 2
4 3
5 3
6 3
7 4
8 4
9 4
10 4
然后我们将这个助手系列分组并应用列表:
df1.groupby(m.cumsum()).VARIABLE.apply(list)
VARIABLE
1 [studyid, 1]
2 [age_interview, 65]
3 [Gender, 1.Male, 2.Female]
4 [Ethnicity, 1.Chinese, 2.Indian, 3.Malay]
Name: VARIABLE, dtype: object
此时,我们将每个组作为一个列表,其中列名称作为第一个条目。 因此,我们用它创建一个数据框,并将第一列设置为索引并转置以获得我们想要的输出。
关于python - 根据特定条件将数据帧一列中的所有行转置为多列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56371432/