Question

我有两个从excel读取的数据框。

df1
               SRD CIVF Test Case
0  9530\n3678\n549        CIV-016
1       9979\n9980        CIV-040
2       5231\n4455        CIV-177

df2
          SRD SRD CR 
0   549\n9980  CR181
1        4455  CR170
2  5231\n9979  CR190

对于df1，我想添加第三列，以指示“SRD CR＆＃39;引用SRD列中列出的相同SRD的数字。不确定我是否应该使用地图＆＃39;或者＆＃39;添加＆＃39;熊猫的功能。 df3中显示的数据帧基本上就是我要找的。 DF3将写回excel。此外，我希望在同一个单元格（对于Excel）中保留多个值会很棘手。

df3
               SRD CIVF Test Case  SRD CR
0  9530\n3678\n549        CIV-016  CR181
1       9979\n9980        CIV-040  CR190\nCR181
2       5231\n4455        CIV-177  CR170\nCR190

Answer 1

除非有充分理由将SRD值隐藏在单行字符串中，否则我会转换df1和df2，以便每行都有一个SRD值。然后您可以合并SRD：

# Split all strings between '\n' into their own columns
split1 = df1['SRD'].str.split('\\\\n', expand=True)
split2 = df2['SRD'].str.split('\\\\n', expand=True)

split1
      0     1     2
0  9530  3678   549
1  9979  9980  None
2  5231  4455  None

split2
      0     1
0   549  9980
1  4455  None
2  5231  9979


# Concatenate the above split columns onto the right sides of
# the original DFs
catted1 = pd.concat([df1, split1], axis=1)
catted2 = pd.concat([df2, split2], axis=1)

catted1
               SRD  CIVF Test Case     0     1     2
0  9530\n3678\n549   NaN   CIV-016  9530  3678   549
1       9979\n9980   NaN   CIV-040  9979  9980  None
2       5231\n4455   NaN   CIV-177  5231  4455  None

catted2
          SRD SRD CR     0     1
0   549\n9980  CR181   549  9980
1        4455  CR170  4455  None
2  5231\n9979  CR190  5231  9979


# Give each SRD its own row
melted1 = pd.melt(catted1, 
                  id_vars=['CIVF', 'Test Case', 'SRD'], 
                  value_name='Shared_SRDs')\
          .drop('variable', axis=1).dropna(subset=['Shared_SRDs'])
melted2 = pd.melt(catted2.drop('SRD', axis=1), 
                  id_vars=['SRD CR'],
                  value_name='Shared_SRDs')\
          .drop('variable', axis=1).dropna()

melted1
   CIVF Test Case   SRD
0   NaN   CIV-016  9530
1   NaN   CIV-040  9979
2   NaN   CIV-177  5231
3   NaN   CIV-016  3678
4   NaN   CIV-040  9980
5   NaN   CIV-177  4455
6   NaN   CIV-016   549

melted2
  SRD CR Shared_SRDs
0  CR181         549
1  CR170        4455
2  CR190        5231
3  CR181        9980
5  CR190        9979


# Merge on SRD values
merged = melted1.merge(melted2, on='SRD').sort_values(['Test Case', 'SRD CR']).reset_index(drop=True)

merged
   CIVF Test Case              SRD Shared_SRDs SRD CR
0   NaN   CIV-016  9530\n3678\n549         549  CR181
1   NaN   CIV-040       9979\n9980        9980  CR181
2   NaN   CIV-040       9979\n9980        9979  CR190
3   NaN   CIV-177       5231\n4455        4455  CR170
4   NaN   CIV-177       5231\n4455        5231  CR190

使用熊猫;不确定是使用地图还是使用这些数据框添加

1 个答案: