时间戳

首页 > 解决方案 > 在进行合并时重塑熊猫数据框

python - 在进行合并时重塑熊猫数据框

问题描述

我有一个pandas.DataFrame ( df)和一些元数据，其中有一个ID，我想与另一个结合 ，例如：ColumnValuedf

df_map = pd.DataFrame({"ID" : [3, 7, 17], "Column" : ["A1", "B7", "C17"], 
                       "Value" : ["ValA1", "ValB7", "ValC17"]})

我想将 上面的（为了更好的词）与下面的结合起来df，其中列名与上面的行条目匹配，Column下面df的行值与上面的行值匹配ID。

df_main = pd.DataFrame({"A1" : [3, 6], "A5" : [5, 10], "B7" : [7, 14] , 
                        "C17" : [17, 34], "C19" : [19, 38] })

因此，我想将它们合并到这样一种方式，即我通过将它们添加为匹配的附加维度来df's基于列重塑它，即ValueID'sdf_result = combine(df_map, df_main)

我基本上期望结果如下

df_result = pd.DataFrame({"A1" : [3, 6], "A5" : [5, 10], "B7" : [7, 14] ,
                          "C17" : [17, 34], "C19" : [19, 38], "Value A1" : ["ValA1", None],
                         "Value B7" : ["ValB7", None], "Value C17" : ["ValC17", None ]})

Out[30]:
   A1  A5  B7  C17  C19 Value A1 Value B7 Value C17
0   3   5   7   17   19    ValA1    ValB7    ValC17
1   6  10  14   34   38     None     None      None

不确定执行此操作的最佳方法pandas？

标签： pythonpandas

解决方案

首先DataFrame.meltwith 转换index为 column 以避免在DataFrame.merge左连接中丢失，然后通过DataFrame.set_indexwith重新整形DataFrame.unstack，仅删除缺少的列DataFrame.dropna，最后MultiIndex用展平map：

df = (df_main.reset_index()
             .melt('index',var_name='Column', value_name='ID')
             .merge(df_map, how='left')
             .set_index(['index', 'Column'])
             .unstack()
             .rename_axis(None)
             .dropna(how='all', axis=1))
df.columns = df.columns.map('_'.join)
print (df)
   ID_A1  ID_A5  ID_B7  ID_C17  ID_C19 Value_A1 Value_B7 Value_C17
0      3      5      7      17      19    ValA1    ValB7    ValC17
1      6     10     14      34      38      NaN      NaN       NaN

推荐阅读