时间戳

首页 > 解决方案 > 将第一行和标题与熊猫组合

python - 将第一行和标题与熊猫组合

问题描述

我正在尝试在 Python 中复制我在 R 中制作的代码，但是当我尝试修复我的标头时遇到了困难。我想合并标题和第一行，但我似乎无法让它工作。

我的数据目前如下所示：

        Acronym  Project Number    Title     Dates         Unnamed: 4   Unnamed: 5 
0         NaN            NaN        NaN      Start date    Duration     Number of Participants
1         YoYo           5678       blabla   01-01-2020    36           4
2         SPY            1452       blabla   06-03-2018    12           6         
3         NoNo           6280       blabla   02-05-2019    48           8       
4         MaGiK          2749       blabla   01-05-2016    12           9

我的数据标题分布在两行中。前三个标题是应有的。但是，从第 4 列开始，我的列名位于第二行。简单地组合标题和第一行是行不通的，因为某些列（如第 4 列）在标题和第一行中都有值。

理想情况下，我想做的是将标题保留在前三列中，并将第一行中的值用作第 4 列以后的标题，这样它就变成了：

Acronym | Project Number | Title | Start date  | Duration | Number of Participants

在 R 中，这将通过

Projects <- Projects %>% 
  set_names(c(names(Projects)[1:3], as.character(.[1,])[4:6])) %>% 
  rownames_to_column("index") %>% 
  filter(index != 1 ) %>% 
  select(-index)

基于这个问题，我在 Python 中尝试了这个

Projects_clean.columns = np.concatenate([Projects_clean.iloc[0, :2], Projects_clean.columns[0:3]])

和

Projects_clean.columns = np.append(Projects_clean.iloc[0,:2], Projects_clean.columns[0:3])

但这会返回

 "values have {new} elements".format(old=old_len, new=new_len)

Length mismatch: Expected axis has 24 elements, new values have 10 elements

（根据我的实际数据）。显然，我的新数据与旧数据的列数不同。我究竟做错了什么？

标签： pythonpandas

解决方案

在第 3 个值之后转换前 3 列名称和第一行的所有数据：

Projects_clean.columns = (Projects_clean.columns[:3].tolist() +  
                          Projects_clean.iloc[0, 3:].tolist())

或者：

Projects_clean.columns = np.concatenate([Projects_clean.columns[:3], 
                                         Projects_clean.iloc[0, 3:]])

然后Anf：

Projects_clean = Projects_clean.iloc[1:]
print (Projects_clean)
  Acronym  Project Number   Title  Start date Duration Number of Participants
1    YoYo          5678.0  blabla  01-01-2020       36                      4
2     SPY          1452.0  blabla  06-03-2018       12                      6
3    NoNo          6280.0  blabla  02-05-2019       48                      8
4   MaGiK          2749.0  blabla  01-05-2016       12                      9

如果可能的话MultiIndex，通过参数创建前 2 行header=[0,1]，read_csv然后使用：

Projects_clean = pd.read_csv(file, header=[0,1])


Projects_clean.columns = (Projects_clean.columns.get_level_values(0)[:3].tolist() +  
                          Projects_clean.columns.get_level_values(1)[3:].tolist())
print (Projects_clean)
  Acronym  Project Number   Title  Start date  Duration  \
1    YoYo            5678  blabla  01-01-2020        36   
2     SPY            1452  blabla  06-03-2018        12   
3    NoNo            6280  blabla  02-05-2019        48   
4   MaGiK            2749  blabla  01-05-2016        12   

   Number of Participants  
1                       4  
2                       6  
3                       8  
4                       9

推荐阅读