基于Python中的其他行创建新行?
df: 我想根据去年的月份和年份创建一个新行。例如,在我的df中,截至月份=6月和年份=20已填写,因此我需要填写年份=20的七月月份,因此我需要检查去年月份=7月和年份=19,在那里我看到两个记录,即基于Python中的其他行创建新行?,python,python-3.x,pandas,pyspark,Python,Python 3.x,Pandas,Pyspark,df: 我想根据去年的月份和年份创建一个新行。例如,在我的df中,截至月份=6月和年份=20已填写,因此我需要填写年份=20的七月月份,因此我需要检查去年月份=7月和年份=19,在那里我看到两个记录,即 Date Month year Month_yr 0 Jul 19 Jul 19 Jul_2019 1 Ogf 19 Jul 19 Jul_2019 2 May19 May 19 May_2019 3 May 19 May 1
Date Month year Month_yr
0 Jul 19 Jul 19 Jul_2019
1 Ogf 19 Jul 19 Jul_2019
2 May19 May 19 May_2019
3 May 19 May 19 May_2019
4 19May May 19 May_2019
5 Jun19 Jun 19 Jun_2019
6 Jun 19 Jun 19 Jun_2019
7 May 20 May 20 May_2019
8 20May May 20 May_2019
9 Jun20 Jun 20 Jun_2019
10 Jun 20 Jun 20 Jun_2019
输出:
0 Jul 19 Jul 19 Jul_2019
1 Ogf 19 Jul 19 Jul_2019
每个月都有相同的过程,以此类推……您可以从第19年中选择所有大于第20年最后一个月的记录,并将其合并
Date Month year Month_yr
0 Jul 19 Jul 19 Jul_2019
1 Ogf 19 Jul 19 Jul_2019
2 May19 May 19 May_2019
3 May 19 May 19 May_2019
4 19May May 19 May_2019
5 Jun19 Jun 19 Jun_2019
6 Jun 19 Jun 19 Jun_2019
7 May 20 May 20 May_2019
8 20May May 20 May_2019
9 Jun20 Jun 20 Jun_2019
10 Jun 20 Jun 20 Jun_2019
11 Jul 20 Jul 20 Jul_2019
12 Ogf 20 Jul 20 Jul_2019
结果:
import pyspark.sql.functions as F
# Test data
dfs = sqlContext.createDataFrame([('Jan',19,1),('Feb',19,1),('Mar',19,1),('Aug',19,5),('Sep',19,1),('Dec',19,1),('Jan',20,6),('Feb',20,8),('Feb',20,7),('Mar',20,8)],schema=['month','year','value'])
# convert month to a date column
df_mnth = dfs.withColumn("mnth_format",F.to_date('month',format='MMM'))
# Find the maximum month from year 20
max_month = ((df_mnth.filter('year=20').select(F.max('mnth_format').alias('max'))).collect())[0]['max']
# Select all rows later that latest month in 20 from year 19 and replace them with year 20
df_res = df_mnth.filter((F.col('year')==19)& (F.col('mnth_format')>max_month)).replace(19,20,subset='year')
#union them
df_fin =df_mnth.union(df_res.select(df_mnth.columns)).drop('mnth_format')
+-----+----+-----+
|month|year|value|
+-----+----+-----+
| Jan| 19| 1|
| Feb| 19| 1|
| Mar| 19| 1|
| Aug| 19| 5|
| Sep| 19| 1|
| Dec| 19| 1|
| Jan| 20| 6|
| Feb| 20| 8|
| Feb| 20| 7|
| Mar| 20| 8|
| Aug| 20| 5|
| Sep| 20| 1|
| Dec| 20| 1|
+-----+----+-----+