Question

我有问题。我想从另一个创建一个新的数据帧。我想避免重复的行。这意味着如果有相同的邮件，我应该将它们并排连接，否则顶部和底部。但问题是我每次都会得到价值索引错误。

pandas.indexes.base.InvalidIndexError: Reindexing only valid with uniquely valued Index objects

这就是我所做的：

if not self.data.empty:
    if data_frame_['Email'][0] in self.data['Email'].get_values():
        self.data = pd.concat([self.data, data_frame_], axis=1)
    else:
        self.data = pd.concat([self.data,data_frame_], axis=0)  
else: 
    self.data = data_frame_.copy()

end = time.time()

data_frame_只有一行，这就是我使用

的原因

data_frame_['Email'][0]

数据的实例（在data_frame_中）：

 Email                     Project1 Target1 Projetc2 Target2
-------------------------------------------------------------
 kml@mail.com                1      5000     NaN       NaN
 abc@abc.com                 7      5000     NaN       NaN
 kml@mail.com                7      4000     NaN       NaN

我的愿望是：

 Email                     Project1 Target1 Projetc2 Target2
-------------------------------------------------------------
 kml@mail.com               1       5000      7       4000
 abc@abc.com                7       5000     NaN       NaN

Ps：我可以使用dicts来做，但为了保护代码完整性，我想使用数据帧。

提前谢谢。

Answer 1

您可以使用pivot_table，但首先按cumcount创建群组：

#rename columns
df.rename(columns={'Project1':'Project','Target1':'Target'}, inplace=True)

print (df)
      Email                Project  Target
0  kml@mail.com              1    5000
1  abc@abc.com               7    5000
2  kml@mail.com              7    4000

df['g'] = (df.groupby('Email').cumcount() + 1).astype(str)

df1 = df.pivot_table(index='Email', columns='g', values=['Project', 'Target'])
#Sort multiindex in columns 
df1 = df1.sort_index(axis=1, level=1)
#'reset' multiindex in columns
df1.columns = [''.join(col) for col in df1.columns]
print (df1)
                     Project1  Target1  Project2  Target2
Email                                                    
abc@abc.com               7.0   5000.0       NaN      NaN
kml@mail.com              1.0   5000.0       7.0   4000.0

连接Pandas Dataframes并排/顶部和底部同时行

1 个答案: