Python 设置数据集格式时出现问题
从XML中提取这些数据并将其存储到Pandas数据框架之后,我想问一下是否以及如何根据需求格式化数据 问题1:基本上每三行需要通过删除NAN来组合,以表示一行。 例如,表示此数据的正确方法是:Python 设置数据集格式时出现问题,python,database,pandas,numpy,dataframe,Python,Database,Pandas,Numpy,Dataframe,从XML中提取这些数据并将其存储到Pandas数据框架之后,我想问一下是否以及如何根据需求格式化数据 问题1:基本上每三行需要通过删除NAN来组合,以表示一行。 例如,表示此数据的正确方法是: qid, qualid, val 0 2065887850, 227, (0,0,0,0,0,0,0,0,0,0) 1 2021905255, 30, (49214,.....,...,....) 问题2: 在某些地方,val变量实际上丢失了(在原始数据中每隔三行),我需要为此放置一个NaN
qid, qualid, val
0 2065887850, 227, (0,0,0,0,0,0,0,0,0,0)
1 2021905255, 30, (49214,.....,...,....)
问题2:
在某些地方,val变量实际上丢失了(在原始数据中每隔三行),我需要为此放置一个NaN。在这种情况下,所需的输出为。理想情况下,我需要一个解决这两个问题的解决方案
qid, qualid, val
0 2065887850, 227, (0,0,0,0,0,0,0,0,0,0)
1 2121905255, 23, (49214,.....,...,....)
2 2834347850, 17, NaN
3 2121905255, 930, (14124,.....,...,....)
4 2465212110, 227, (2,2,1,4,6,7,0,0,0,0)
5 2921905225, 130, NaN
您可以尝试将dataframe转换为字符串类型和groupby 3行并添加行
col_1 col_2 col_3
0 29021214 NaN NaN
1 NaN 227 NaN
2 NaN NaN 0,0,0,0
4 20218343 NaN NaN
5 NaN 30 NaN
7 324234 NaN NaN
8 NaN 532 NaN
9 NaN NaN NaN
temp = df.col_1.notnull().cumsum()
df = df.replace(np.nan,'').astype(str)
df.groupby(temp).sum().replace('',np.nan)
输出:
我不想添加行。这将破坏数据集的用途。每个id都是唯一的,并且具有与之相关联的唯一功能。似乎您的数据用“3行”的数据表示一条记录,使用此逻辑它不会更改记录信息,您能否显示例外情况,我将在@AbhinavRalhan对其进行修改
col_1 col_2 col_3
col_1
1 29021214 227 0,0,0,0
2 20218343 30 NaN
3 324234 532.0 NaN