pandas根据某列值为key整合其他列值，拆分某列值增加多行数据

一、根据某列值为key，整合其他列值

直接上例子：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({'key': ['b', 'b', 'a', 'c', 'a', 'a', 'b'],'data1': range(7)})
df1

整合，根据key值，对于同一个key值，有多个data1与之对应，将多个data1之间用分隔符\t连接，作为一个元素：

ex_data = df1.groupby(['key'], as_index=True)['data1'].apply(lambda x :'\t'.join(list([str(i) for i in x])))
ex_data

type(ex_data)

pandas.core.series.Series

exx_data = pd.DataFrame(ex_data)
exx_data.columns

Index([‘data1’], dtype=‘object’)

exx_data

exx_data.reset_index(inplace=True)
exx_data

如果此时有其他列的值需要保留

例如：

df1 = pd.DataFrame({'key': ['b','b','a','c','a','a','b'],'data1': [0, 0, 2, 3, 4, 5, 6],'data2': [1, 1, 2, 3, 2, 2, 1]})
df1

现在我们想根据key聚合data1，如果能保证 key 和data2是一一对应的，且我们想保留data2，此时得到：

我们需要对df1去掉data1列然后去重：

df1.drop(['data1'], inplace=True, axis = 1)
df1.drop_duplicates(['key', 'data2'], inplace=True)
df1

将df1 和exx_data进行merge ：

df_new = df_ex.merge(df1, on = 'key')
df_new

二、拆分某列值增加多行数据

其实就是一过程的逆过程：

x1 = exx_data['data1'].str.split('\t', expand=True)
x1

x2 = x1.stack()
x2

x3 = x2.reset_index(level = 1, drop = True)
x3

x4 = x3.rename('data_x')
x4

x5 = exx_data.join(x4)
x5

一步到位：

x5 = exx_data.join(data['data1'].str.split('\t', expand=True).stack().reset_index(level=1, drop=True).rename('data_x'))

参考：
https://cloud.tencent.com/developer/ask/28278

pandas根据某列值为key整合其他列值，拆分某列值增加多行数据相关推荐

oracle 三列数值相加,Oracle SQL/PLSQL:按货币拆分和求和值的分层查询
恐怕你把大家都搞糊涂了.) 虽然你的要求部分难以理解,但我认为如果我必须处理这类任务,我会做一件事.我将编写递归函数,计算从树的任何部分到叶的成本. 以下是与您类似的数据演示: select prod ...
pandas使用groupby函数和cumsum函数计算每个分组内的数值累加值、并生成新的dataframe数据列（ cumulative sum of each group in dataframe
pandas使用groupby函数和cumsum函数计算每个分组内的数值累加值.并生成新的dataframe数据列( cumulative sum of each group in dataframe ...
python的pandas库中如何计算每列出现最多的值_Python Pandas中根据列的值选取多行数据...
Pandas中根据列的值选取多行数据 # 选取等于某些值的行记录用 == df.loc[df['column_name'] == some_value] # 选取某列是否是某一类型的数值用 isi ...
python选取列中数据的范围_Python Pandas中根据列的值选取多行数据
Pandas中根据列的值选取多行数据 # 选取等于某些值的行记录用 == df.loc[df['column_name'] == some_value] # 选取某列是否是某一类型的数值用 isi ...
pandas中set_option的常用设置：显示所有行、显示所有列、控制浮点型精度、每个数据元素的显示字符数、对齐形式等
pandas中set_option的常用设置:显示所有行.显示所有列.控制浮点型精度.每个数据元素的显示字符数.对齐形式等 #pandas中set_option的常用设置详细参考pandas API ...
pandas将dataframe中的内容为列表（list）的数据列裂变、拆分为多个新的数据列实战：拆分为多个新的数据列（并指定新数据列的名称）、数据列中的列表（不等长）拆分为多个新的数据列产生NaN
pandas将dataframe中的内容为列表(list)的数据列裂变.拆分为多个新的数据列实战:拆分为多个新的数据列(并指定新数据列的名称).数据列中的列表(不等长)拆分为多个新的数据列(产生NaN ...
Python pandas，index索引，修改索引，复合索引，将某列设为索引
demo.py(index索引,修改索引,将DataFrame某列设为索引): # coding=utf-8 import numpy as np import pandas as pddf = pd ...
【pandas小技巧】拆分某列中数字和单位
pandas拆分某列中数字和单位最近有csv文件需要处理,需要拆分里面的数字和单位做下数据的整理以下是数据格式想把单位拆分出来,单位有的是亿和万,需要对数据进行下处理这是可以使用extract ...
pandas使用transpose函数对dataframe进行转置、将dataframe的行和列进行互换（flip the rows and columns in dataframe）
pandas使用transpose函数对dataframe进行转置.将dataframe的行和列进行互换(flip the rows and columns in dataframe) 目录
pandas自定义设置dataframe每个索引的标签、自定义设置索引的列名称(customize index name and index label)
pandas自定义设置dataframe每个索引的标签.自定义设置索引的列名称(customize index name and index label) 目录

pandas根据某列值为key整合其他列值，拆分某列值增加多行数据

一、根据某列值为key，整合其他列值

如果此时有其他列的值需要保留

二、拆分某列值增加多行数据

pandas根据某列值为key整合其他列值，拆分某列值增加多行数据相关推荐

最新文章

热门文章