这是我的 previous post 的延续关于对公司名称的 DataFrame 进行非规范化。
我现在正在使用的修改后的表格如下:
import numpy as np
import pandas as pd
df = pd.DataFrame({'name' : ['Nitron', 'Pulset', 'Rotaxi'],
'postal_code' : [1410, 1020, 1310],
'previous_name1' : ['Rotory', np.NaN, 'Datec'],
'previous_name2' : [ np.NaN, 'Cmotor', np.NaN],
'previous_name3' : ['Datec', np.NaN, np.NaN],
'country' : ['BEL', 'ENG', 'JPN'],
'city' : ['Brussels', np.NaN, np.NaN]
})
print(df)
| name | postal_code | previous_name1 | previous_name2 | previous_name3 | country | city |
|--------|-------------|----------------|----------------|----------------|---------|----------|
| Nitron | 1410 | Rotory | NaN | Datec | BEL | Brussels |
| Pulset | 1020 | NaN | Cmotor | NaN | ENG | NaN |
| Rotaxi | 1310 | Cyclip | NaN | NaN | JPN | NaN |
与我之前的文章相比,上面的 DataFrame 现在多了两列,即 country
和city
系列。
我的目标保持不变:为先前公司名称不缺失的所有实例添加一个新行使用 country
和city
columns 并删除以前的名称系列。从视觉上看,“非规范化”版本应如下所示:
| name | postal_code | country | city |
|--------|-------------|---------|----------|
| Nitron | 1410 | BEL | Brussels |
| Rotory | 1410 | BEL | Brussels |
| Datec | 1410 | BEL | Brussels |
| Pulset | 1020 | ENG | NaN |
| Cmotor | 1020 | ENG | NaN |
| Rotaxi | 1310 | JPN | NaN |
| Cyclip | 1310 | JPN | NaN |
花了一些时间了解 the code 后对于我之前的问题,由 jezrael 提供,我尝试修改/调整这个新问题的解决方案,但没有成功。由于我对 Python/Pandas 生态系统相当陌生,因此我们将不胜感激任何额外的帮助。
最佳答案
您可以在set_index
中添加多个列,并将level=1
更改为level=3
以删除MultiIndex<的第四级
:
df1 = (df.set_index(['postal_code','country','city'])
.stack()
.reset_index(level=3, drop=True)
.reset_index(name='name')
)
print (df1)
postal_code country city name
0 1410 BEL Brussels Nitron
1 1410 BEL Brussels Rotory
2 1410 BEL Brussels Datec
3 1020 ENG NaN Pulset
4 1020 ENG NaN Cmotor
5 1310 JPN NaN Rotaxi
6 1310 JPN NaN Datec
对于第二种解决方案,将多列添加到melt
:
df1 = (df.melt(['postal_code','country','city'], value_name='name')
.drop('variable', axis=1)
.dropna(subset=['name'])
.reset_index( drop=True)
)
print (df1)
postal_code country city name
0 1410 BEL Brussels Nitron
1 1020 ENG NaN Pulset
2 1310 JPN NaN Rotaxi
3 1410 BEL Brussels Rotory
4 1310 JPN NaN Datec
5 1020 ENG NaN Cmotor
6 1410 BEL Brussels Datec
关于python - 对公司名称的 DataFrame 进行非规范化 [第 2 部分],我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56924682/