Python 公司名称数据框架的非规范化[第2部分]
这是我关于公司名称数据框架非规范化的继续 我现在使用的修订表如下:Python 公司名称数据框架的非规范化[第2部分],python,pandas,dataframe,Python,Pandas,Dataframe,这是我关于公司名称数据框架非规范化的继续 我现在使用的修订表如下: 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, 'D
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,上面的数据框架现在增加了两列,即国家
和城市
系列
我的目标保持不变:为以前的公司名称不丢失的所有实例添加一个新行,包括国家
和城市
列,然后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 |
在花了一些时间理解了jezrael为我的上一个问题提供的解决方案后,我试图修改/调整这个新问题的解决方案,但没有成功。由于我是Python/Pandas生态系统的新手,任何额外的帮助都将不胜感激。您可以在
set\u index
中添加多列,并将level=1
更改为level=3
,以删除第四级多索引
:
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
对于第二种溶液,在熔体中添加多列:
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