pandas - 有没有一种快速的方法来对 PANDAS 中的列进行子集化?
问题描述
我正在尝试设置一个 PANDAS 项目,我可以用它来比较和返回 excel 和 csv 文件随时间的差异。目前我将 excel/csv 文件加载到 pandas 中并为它们分配一个版本列。我为他们分配了一个“版本”列,因为在我的最后一步中,我希望程序为我创建一个仅包含“新”版本文件中更改的文件的文件,这样我就不必更新整个数据库,只更新数据已改变的点。
old = pd.read_excel(landdata20201122.xlsx')
new = pd.read_excel(landdata20210105.xlsx')
old['version'] = "old"
new['version'] = "new"
我将工作表合并为一张,然后根据原始文件中的所有列删除重复的行。我必须对数据进行子集化,因为如果程序查看我添加的版本列,它将不会被视为重复行。声明如下
df2 = df1.drop_duplicates(subset=["UWI", "Current DOI Partners", "Encumbrances", "Lease Expiry Date", "Mineral Leases", "Operator", "Attached Land Rights", "Surface Leases"])
df2.shape
我想知道是否有一种更快的方法来对数据进行子集化,基本上就是我目前设置它的方式,我必须列出每个列标题。我的一些工作表有 100 多列,所以当我只希望它否定 1 列时,工作量很大。有没有办法可以填充所有列标题并删除我不想看到的那些?或者有没有办法在 drop duplicates 命令中输入我不想比较的列,而不是输入除一个之外的所有列?
如果我可以只列出我不想比较的列,我将能够对我正在处理的更多数据使用相同的脚本,因为我不必在每次比较工作表时编辑 drop_duplicates 语句。
任何帮助表示赞赏,在此先感谢您!
解决方案
如果我理解得很好:
- 将标题存储在列表中。
- 手动删除您不想要的名称。
- 在 的子集中
drop_duplicates()
,放置列表。
如果要删除的列多于要保留的列,请手动添加列表中所有需要的列。使用列表,您无需每次都编写它们。
如何迭代列表:
list=['first', 'second', 'third']
for i in list:
print(i)
# Output: 'first', 'second', 'third'
推荐阅读
- c# - 在 Linqpad 6 中添加 EF Core 5 上下文会引发无法加载文件或程序集“System.Runtime”错误
- python - 从文本文件python读取列
- flutter - 未处理的异常:DioError [DioErrorType.DEFAULT]:将对象转换为可编码对象失败:“DateTime”实例
- c++ - c++:以编程方式初始化 constexpr std-2DArray
- python-3.x - 在比较之前字符串会自动转换为浮点数吗
- reactjs - React Router V5 HashRouter 不存储历史记录
- spring-boot - Spring Boot JpaRepository 时间复杂度问题
- android - 深层链接打开错误的应用程序(即时应用程序,未安装的应用程序)
- java - Windows 上的 jlink 失败 w“错误:重复条目!”
- c# - 使用 Dockerfile (Visual Studio) 设置 .xml 文件的相对路径