python - 如何从这两个其他单元格之间的大多数单元格的列中提取 Pandas 中其他两个单元格之间的所有单元格？

Question

我有多个财务报表，但并非所有财务报表都有相同的条目——有些条目比其他的多——我想将它们全部合并到一个包含所有条目的单一报表中。

我可以在 Excel 中手动完成，因为它不是很多，但我想让计算机做它来仔细检查我得到了它们。

所以，这就是我所做的：我创建了一个数据框，其中每一列都有来自其中一个财务报表的条目名称。

财务报表1	财务报表2	财务报表3
收入	收入	收入
收入1	收入1	收入1
收入2	收入2	收入2
花费	花费	收入3
费用1	费用1	花费
费用2	利润	费用1
费用3	-	费用2
利润	-	利润
-	-	-

我的想法是运行一个脚本来分析两个组标题之间的单元格数量，并将这两个值之间的所有字符串返回到“合并”列，包括第一个，但不是最后一个。

我的最终结果将如下所示：

财务报表1	财务报表2	财务报表3	合并
收入	收入	收入	收入
收入1	收入1	收入1	收入1
收入2	收入2	收入2	收入2
花费	花费	收入3	收入3
费用1	费用1	花费	花费
费用2	利润	费用1	费用1
费用3	-	费用2	费用2
利润	-	利润	费用3
-	-	-	利润

我是 Pandas 的初学者，到目前为止，这是我通过在堆栈中搜索得出的结果：

df = pd.read_excel(file)
df['Consolidated']=0
df.head()

df['Consolidated'].iloc[1] = df['FinancialStatement1'][df['FinancialStatement1'].between(
    'REVENUES', 'EXPENSES',
    inclusive=False
    )].tolist()

但是，这段代码给了我"A value is trying to be set on a copy of a slice from a DataFrame". 我尝试只使用 df.iloc[3,0] 但它也不起作用。无论如何，这段代码无论如何都不会做我想要的，因为它没有选择两个组标题之间的大多数项目的列表。

标签： pythonpandasdataframe

Answer 1

您可以创建列中所有条目的 SET。Python SET 将消除重复项。然后你转换到一个列表并使用所有条目的超集创建一个 pd 并将其连接回数据帧。

s = set()
for col in df.columns:
    s |= set(df[col])
l = sorted(list(s - set(['-'])))

df1 = pd.DataFrame(l,columns = ['Consolidated'])
df = df.join(df1,how='outer').replace(np.nan,'-')

	财务报表1	财务报表2	财务报表3	合并
0	收入	收入	收入	花费
1	收入1	收入1	收入1	费用1
2	收入2	收入2	收入2	费用2
3	花费	花费	收入3	费用3
4	费用1	费用1	花费	利润
5	费用2	利润	费用1	收入
6	费用3	-	费用2	收入1
7	利润	-	利润	收入2
8	-	-	-	收入3