我已经研究了一段时间了,我有一个看起来像这样的数据框
tables columns
tab1 col001
tab1 col002
tab1 col003
tab2 col01
tab2 col02
tab2 col03
真正的表总共有 1500 个表,一些列名是重复的,整个事情是 80,000 行乘 2 列,我正在尝试将其格式化为这样
tables columns
tab1 col001,col002,col003
tab2 col01,col02,col03
我尝试过这样的交叉表
cross_table = pd.crosstab(df['tables'],
df['columns']).fillna('n/a')
但这并不是我想要的,它最终将所有列都设为 1 和 0,并且是一个大的稀疏矩阵
我也试过这个,但是分配 2 GiB 的错误让我觉得这是不正确的
df.pivot(columns=['tables', 'columns'], values=['columns'])
我也试过熊猫融化,但似乎也不对
然后我尝试将列转换为这样的列表
cols = list(df['columns'].unique())
df['cols'] = df['columns'].str.findall(f'({"|".join(cols)})')
我尝试过,因为它以前用于提取文本,但在不同的上下文中,正如它所写的那样,它只是将每个列名拆分为单独的字符
答案 0 :(得分:3)
df = pd.DataFrame({'tables': {0: 'tab1', 1: 'tab1', 2: 'tab1', 3: 'tab2', 4: 'tab2', 5: 'tab2'},
'columns': {0: 'col001',
1: 'col002',
2: 'col003',
3: 'col01',
4: 'col02',
5: 'col03'}})
groupby
:df = df.groupby('tables').agg(', '.join).reset_index() # Almost same as the answer in the post's comment section via @Psidom
pivot_table
:df = df.pivot_table(index = 'tables', values = 'columns', aggfunc = ', '.join).reset_index()
list comprehension
:df = pd.DataFrame([(i, ', '.join(df[df['tables'] == i]['columns']))
for i in df['tables'].unique()], columns=df.columns)
Set_index/unstack
选项:df = df.set_index('tables', append = True).unstack(0).apply(lambda x: ', '.join(x.dropna()), 1).reset_index(name = 'columns')
pd.get_dummies
df = pd.get_dummies(df.tables).mul(df['columns'], 0).agg(', '.join).str.strip(
', ').reset_index(name='columns').rename({'index': 'tables'})
tables columns
0 tab1 col001, col002, col003
1 tab2 col01, col02, col03