python-3.x - 创建从年份“开始”到“结束”的表
问题描述
我有一个清单。大多与讣告有关。
Leonard Wilson 1867 - 1936
Mark Jonson 1892 - 1961
Alex Jean Kinshaw 1951 - 1993
Elizabeth Mae Martin 1934 - 1998
数据需要为研究进行分析,并且需要以“csv”格式排列,时间线(用“,”分隔,空值使用“-”)从 1850 年到 2015 年。
Leonard Wilson,-,-,-,-,-,-,-,-,-,-,-,-,-,-,1867,1868,1869......1934,1935,1936,-,-,-,-,-,-,-,-,-,-,-,-
Mark Jonson,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,1892,1893,1894,1895,1896,1897......,1958,1959,1960,1961,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-
....
# All years in the middle needs to be populated please
在上面的数据中你可以看到这个人出生前的年份用'-'标记,死后的年份(直到2015年)也一样。在这之间的所有年份,都需要填充。
python/pandas 代码需要检测开始和结束的年份,以及
- 填充之前的空值
- 中年和
- 结束空值
无论如何这可以实现,因为我有超过 30k 行的数据?
解决方案
是的,你可以这样做:
df = pd.read_clipboard(header=None, sep='\s\s+')
df_a = df[0].str.rsplit(n=3, expand=True)
df_a = df_a.set_index(0)
full_range = pd.date_range('12/31/1850', '12/31/2015', freq='AS')
df_a['range'] = [','.join(pd.date_range(i, j, freq='AS')
.to_series()
.dt.strftime('%Y')
.reindex(full_range, fill_value='-')) for i, j in zip(df_a[1], df_a[3])]
df_a.to_csv('test.csv')
输出: