【问题标题】:Create Table from Year "Start" to the "End"创建从年份“开始”到“结束”的表
【发布时间】:2021-04-03 07:06:16
【问题描述】:

我有一个清单。大多与讣告有关。

Leonard Wilson 1867 - 1936
Mark Jonson 1892 - 1961
Alex Jean Kinshaw 1951 - 1993
Elizabeth Mae Martin 1934 - 1998

数据需要为一项研究进行分析,并且需要以“csv”格式排列,时间轴从 1850 年到 2015 年(以“,”分隔,空值使用“-”)。

Leonard Wilson,-,-,-,-,-,-,-,-,-,-,-,-,-,-,1867,1868,1869......1934,1935,1936,-,-,-,-,-,-,-,-,-,-,-,-
Mark Jonson,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,1892,1893,1894,1895,1896,1897......,1958,1959,1960,1961,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-
....


# All years in the middle needs to be populated please

在上面的数据中,你可以看到人出生前的年份用'-'标记,死后的年份(直到2015年)也用'-'标记。之间的所有年份,都需要填充。

python/pandas代码需要检测开始和结束的年份,以及

  1. 填充前面的空值
  2. 中年和
  3. 结束空值

我有超过 30k 行的数据,这是否可以实现?

【问题讨论】:

  • 尝试使用fillna() 用您自己的值填充NA 值,并使用apply() 逐行转换您的时间戳数据。只是想知道您的专栏是正确的年份(1850...2015)?
  • 感谢您对@k33da_lets_debug 的回复,是的,请...这些列是多年来(1850...2015)..

标签: python-3.x pandas text-parsing


【解决方案1】:

是的,你可以这样做:

df = pd.read_clipboard(header=None, sep='\s\s+')

df_a = df[0].str.rsplit(n=3, expand=True)

df_a = df_a.set_index(0)

full_range = pd.date_range('12/31/1850', '12/31/2015', freq='AS') 
df_a['range'] = [','.join(pd.date_range(i, j, freq='AS')
                            .to_series()
                            .dt.strftime('%Y')
                            .reindex(full_range, fill_value='-')) for i, j in zip(df_a[1], df_a[3])]

df_a.to_csv('test.csv')

输出:

【讨论】:

  • 30K 行在 CPU 周期上可能有点贵。
  • 哦..你必须想办法读入你的数据框。我只是使用 pd.read_clipboard 因为我很容易从问题中复制您的文本。这些参数可能对您的数据没有任何意义。
  • 如果您使用复制和粘贴此问题中的文本并使用 pd.read_clipboard,就像我在这里一样。您可以打印 df 以查看我用来处理您的数据的格式。分割线后看df_a。
  • 好的,我会尝试,但我希望它在执行代码时不会崩溃......就像你之前提到的那样,它可能会对机器造成负担......
  • Nah.. 让我们这样做,而不是将 A 更改为 AS。 date_range 函数中频率的年份开始。这样效果更好吗?两个频率.. 更改为 AS 而不是 A.
【解决方案2】:

另一种方式,就是逐行处理:

import pandas as pd
import io

df_str = '''
dataLeonard Wilson 1867 - 1936
Mark Jonson 1892 - 1961
Alex Jean Kinshaw 1951 - 1993
Elizabeth Mae Martin 1934 - 1998
'''
obj = pd.read_csv(io.StringIO(df_str.strip()), 
                 sep='\n', 
                 index_col=False, 
                 header=None)
df = obj[0].str.rsplit(' ', 3, expand=True)
df.columns=['name', 'start_yr', '-', 'end_yr']
print(df)


#                       name start_yr  - end_yr
#     0    dataLeonard Wilson     1867  -   1936
#     1           Mark Jonson     1892  -   1961
#     2     Alex Jean Kinshaw     1951  -   1993
#     3  Elizabeth Mae Martin     1934  -   1998

# conver to int column
df[['start_yr', 'end_yr']] = df[['start_yr', 'end_yr']].astype(int)
# iterrows
# expand the start_year and end_year
dfn_list = list()
for _, row in df.iterrows():
    name = row['name']
    start_yr = row['start_yr']
    end_yr = row['end_yr']  
    dfn = pd.DataFrame(list(range(start_yr, end_yr + 1)), columns=['yr'])
    dfn['name'] = name
    dfn['tag']  = dfn['yr'].astype(str)
    dfn_list.append(dfn)

# merge
dfm = pd.concat(dfn_list)
print(dfm.head())

#         yr                name   tag
#     0  1867  dataLeonard Wilson  1867
#     1  1868  dataLeonard Wilson  1868
#     2  1869  dataLeonard Wilson  1869
#     3  1870  dataLeonard Wilson  1870
#     4  1871  dataLeonard Wilson  1871

# transformat
dfm = dfm.set_index(['name', 'yr'])['tag'].unstack(fill_value='-')
dfm.to_csv('test.csv', header=None)

!cat test.csv

结果:

Alex Jean Kinshaw,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,1951,1952,1953,1954,1955,1956,1957,1958,1959,1960,1961,1962,1963,1964,1965,1966,1967,1968,1969,1970,1971,1972,1973,1974,1975,1976,1977,1978,1979,1980,1981,1982,1983,1984,1985,1986,1987,1988,1989,1990,1991,1992,1993,-,-,-,-,-
Elizabeth Mae Martin,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,1934,1935,1936,1937,1938,1939,1940,1941,1942,1943,1944,1945,1946,1947,1948,1949,1950,1951,1952,1953,1954,1955,1956,1957,1958,1959,1960,1961,1962,1963,1964,1965,1966,1967,1968,1969,1970,1971,1972,1973,1974,1975,1976,1977,1978,1979,1980,1981,1982,1983,1984,1985,1986,1987,1988,1989,1990,1991,1992,1993,1994,1995,1996,1997,1998
Mark Jonson,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,1892,1893,1894,1895,1896,1897,1898,1899,1900,1901,1902,1903,1904,1905,1906,1907,1908,1909,1910,1911,1912,1913,1914,1915,1916,1917,1918,1919,1920,1921,1922,1923,1924,1925,1926,1927,1928,1929,1930,1931,1932,1933,1934,1935,1936,1937,1938,1939,1940,1941,1942,1943,1944,1945,1946,1947,1948,1949,1950,1951,1952,1953,1954,1955,1956,1957,1958,1959,1960,1961,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-
dataLeonard Wilson,1867,1868,1869,1870,1871,1872,1873,1874,1875,1876,1877,1878,1879,1880,1881,1882,1883,1884,1885,1886,1887,1888,1889,1890,1891,1892,1893,1894,1895,1896,1897,1898,1899,1900,1901,1902,1903,1904,1905,1906,1907,1908,1909,1910,1911,1912,1913,1914,1915,1916,1917,1918,1919,1920,1921,1922,1923,1924,1925,1926,1927,1928,1929,1930,1931,1932,1933,1934,1935,1936,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-,-

【讨论】:

  • 谢谢你的解决方案,摩天。我也会用这个:)
猜你喜欢
  • 1970-01-01
  • 2017-07-15
  • 2021-04-12
  • 1970-01-01
  • 1970-01-01
  • 2016-08-12
  • 1970-01-01
  • 2021-10-08
  • 1970-01-01
相关资源
最近更新 更多