时间戳

首页 > 解决方案 > 在 CSV 文件 python 中使用现有的迭代行追加新行

python - 在 CSV 文件 python 中使用现有的迭代行追加新行

问题描述

我有 CSV 文件 Sales_In.csv 和 DataFrame 是：

Sales_Region     Dollar_value
East             500
west             500
south            500
North            2000

我正在使用熊猫

import pandas as pd
import UUID

df= pd.read_csv('Sales_In.csv')
low_sales =df[(df['Dollar_value'] >=500) & (df['Dollar_value']<=1000)]

for index,row in low_sales.iterrows():
    for loop in range(10):
        print(uuid.uuid1().hex[:8],"REP"+str(uuid.uuid4().hex[:9]),row['Sales_Region'])

上面的代码给了我如下的输出

279418fe HCP6eacac48a East
279418ff HCP6fb7d0ec2 East
27941900 HCP21cb84de3 East
27941901 HCP9b6a34bf0 East
27941902 HCP6aa9f0e20 East
27941903 HCP6fa5e3201 East
27941904 HCPabecf8c42 East
27941905 HCP0922c8acc East
27941906 HCPea9e91d7c East
27941907 HCP95f8dbfb9 East

我想将其写入带有如下标题的 csv 文件

CUS_KEY   Unique Key    Sales_Region
279418fe   HCP6eacac48a  East
279418ff   HCP6fb7d0ec2  East
27941900   HCP21cb84de3  East
...................

我是python的新手，我有点陷入困境，帮帮我谢谢！

标签： pythonpandascsvexport-to-csv

解决方案

使用列表推导来创建值元组，DataFrame由构造函数创建，最后写入文件由to_csv：

low_sales =df[(df['Dollar_value'] >=500) & (df['Dollar_value']<=1000)]

L = [(uuid.uuid1().hex[:8],"REP"+str(uuid.uuid4().hex[:9]),x)
      for x in low_sales['Sales_Region'] for i in range(10)]

df = pd.DataFrame(L, columns=['CUS_KEY','Unique Key','Sales_Region'])
print (df.head(10))
    CUS_KEY    Unique Key Sales_Region
0  96cdb1f8  REPf2fedbce5         East
1  96cdb1f9  REPfc6d311f4         East
2  96cdb1fa  REPa31a28651         East
3  96cdb1fb  REP4f4689565         East
4  96cdb1fc  REP9e0a484a7         East
5  96cdb1fd  REPa8f763796         East
6  96cdb1fe  REP442ad19dd         East
7  96cdb1ff  REPa317fa7b0         East
8  96cdb200  REPb14ca95b9         East
9  96cdb201  REP60c31eb67         East

df.to_csv(file, index=False)

如果想使用您的代码：

L = []
for index,row in low_sales.iterrows():
    for loop in range(10):
        L.append((uuid.uuid1().hex[:8],"REP"+str(uuid.uuid4().hex[:9]),row['Sales_Region']))

df = pd.DataFrame(L, columns=['CUS_KEY','Unique Key','Sales_Region'])

推荐阅读