Python 公司名称数据框架的非规范化[第1部分]
我有一个公司名称的数据框架,其结构如下:Python 公司名称数据框架的非规范化[第1部分],python,pandas,dataframe,Python,Pandas,Dataframe,我有一个公司名称的数据框架,其结构如下: 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'],
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]
})
print(df)
| name | postal_code | previous_name1 | previous_name2 | previous_name3 |
|--------|-------------|----------------|----------------|----------------|
| Nitron | 1410 | Rotory | NaN | Datec |
| Pulset | 1020 | NaN | Cmotor | NaN |
| Rotaxi | 1310 | Cyclip | NaN | NaN |
正如您所注意到的,一家公司最多可以有三个以前的名字
我的目标是对上表进行“非规范化”,使新的数据帧具有以下形式:
| name | postal_code |
|--------|-------------|
| Nitron | 1410 |
| Rotory | 1410 |
| Datec | 1410 |
| Pulset | 1020 |
| Cmotor | 1020 |
| Rotaxi | 1310 |
| Cyclip | 1310 |
也就是说,我希望为以前的公司名称不丢失的所有实例添加一个新行,然后删除以前的名称系列(我还希望为每个新行添加邮政编码
值)
我正在寻找一个方法的描述(最好是代码或伪代码),这将允许我实现上述结果 与一起使用,用于删除错误值和重塑,然后删除第二级的多索引
,最后将系列
转换为2列数据帧
:
df1 = (df.set_index('postal_code')
.stack()
.reset_index(level=1, drop=True)
.reset_index(name='name'))
print (df1)
postal_code name
0 1410 Nitron
1 1410 Rotory
2 1410 Datec
3 1020 Pulset
4 1020 Cmotor
5 1310 Rotaxi
6 1310 Datec
或与一起使用,但值的顺序不同:
df1 = (df.melt('postal_code', value_name='name')
.drop('variable', axis=1)
.dropna(subset=['name'])
.reset_index( drop=True)
)
print (df1)
postal_code name
0 1410 Nitron
1 1020 Pulset
2 1310 Rotaxi
3 1410 Rotory
4 1310 Datec
5 1020 Cmotor
6 1410 Datec
但可能按第一列排序:
df1 = (df.melt('postal_code', value_name='name')
.drop('variable', axis=1)
.dropna(subset=['name'])
.sort_values('postal_code')
.reset_index( drop=True)
)
print (df1)
postal_code name
0 1020 Pulset
1 1020 Cmotor
2 1310 Rotaxi
3 1310 Datec
4 1410 Nitron
5 1410 Rotory
6 1410 Datec