重塑python数据框

Question

我有这样的数据框。

description
Brian
No.22
Tel:+00123456789
email:brain@email.com
Sandra
No:43
Tel:+00312456789
Michel
No:593
Kent
No:13
Engineer
Tel:04512367890
email:kent@yahoo.com

我想要这样。

name	address	designation	telephone	email
Brian	No:22	null	Tel:+00123456789	email:brain@email.com
Sandra	No:43	null	Tel:+00312456789	null
Michel	No:593	null	null	null
Kent	No:13	Engineer	Tel:04512367890	email:kent@yahoo.com

如何在 python 中做到这一点。

Answer 1

使用np.where 标记每一行，然后使用pivot 标记您的数据框。

第 1 步。

condlist = [df['description'].shift(fill_value='').eq(''),
            df['description'].str.contains('^No[:.]'),
            df['description'].str.startswith('Tel:'),
            df['description'].str.startswith('email:')]
choicelist = ['name', 'address', 'telephone', 'email']
df['column'] = np.select(condlist, choicelist, default='designation')
print(df)

# Output:
              description       column
0                   Brian         name
1                   No.22      address
2        Tel:+00123456789    telephone
3   email:brain@email.com        email
4                          designation
5                  Sandra         name
6                   No:43      address
7        Tel:+00312456789    telephone
8                          designation
9                  Michel         name
10                 No:593      address
11                         designation
12                   Kent         name
13                  No:13      address
14               Engineer  designation
15        Tel:04512367890    telephone
16   email:kent@yahoo.com        email

第 2 步。 现在删除空行并创建索引以允许枢轴：

df = df[df['description'].ne('')].assign(index=df['column'].eq('name').cumsum())
print(df)

# Output:
              description       column  index
0                   Brian         name      1
1                   No.22      address      1
2        Tel:+00123456789    telephone      1
3   email:brain@email.com        email      1
5                  Sandra         name      2
6                   No:43      address      2
7        Tel:+00312456789    telephone      2
9                  Michel         name      3
10                 No:593      address      3
12                   Kent         name      4
13                  No:13      address      4
14               Engineer  designation      4
15        Tel:04512367890    telephone      4
16   email:kent@yahoo.com        email      4

第 3 步。 旋转您的数据框：

cols = ['name', 'address', 'designation', 'telephone', 'email']
out = df.pivot('index', 'column', 'description')[cols] \
        .rename_axis(index=None, columns=None)
print(out)

# Output:
     name address designation         telephone                  email
1   Brian   No.22         NaN  Tel:+00123456789  email:brain@email.com
2  Sandra   No:43         NaN  Tel:+00312456789                    NaN
3  Michel  No:593         NaN               NaN                    NaN
4    Kent   No:13    Engineer   Tel:04512367890   email:kent@yahoo.com

编辑

最后一步出现错误“ValueError：索引包含重复条目，无法重塑”我该如何克服这个问题。

没有什么魔法可以解决这个问题，因为你的数据很乱。如果行未标记为name、address、telephone 和email，则designation 标签是备用标签。所以很有可能，同一个人有多个标记为 designation 的行。

在此步骤结束时，使用此命令检查您是否有重复项（人/标签 -> 索引/列）：

df.value_counts(['index', 'column']).loc[lambda x: x > 1]

可能（我希望你也这样），输出应该只在column 列下显示designation 标签，除非一个人可以拥有多个telephone 或email。现在您可以调整condlist 以捕捉最大的模式。我对您的数据一无所知，因此无法为您提供太多帮助。