在 Python 中使用 Excel 文件作为 pandas 数据框的映射

Question

我正在尝试使用错误代码的 excel“主列表”以及它们所属的较大组，它们属于熊猫数据框中较大组的组错误。我不确定如何做到这一点。我以前尝试将错误代码添加到字典中，并使用组名作为键并按其进行分组，但它不会正确地对代码进行分组。我将在下面添加我的主列表和数据框的示例。

主列表：

CODE	Type 1	Type 2	Type 3	Type4
Code A		X
Code B	X
Code C	X
Code D				X
Code E			X

10 列 57 行以此类推

数据帧：

CODE	Numerator	Denominator	Error Rate
CODE B	6	10	0.6
CODE A	4	10	0.4
CODE C	9	10	0.9
CODE D	0	10	0

无论出现什么错误代码，依此类推

我希望输出是：

CODE	Numerator	Denominator	Error Rate
Type 1	15	10	1.5
Type 2	4	10	0.4
Type 4	0	10	0

等等以进行适当的分组。

我该怎么做？

我用过字典，我用过 isin() 和类型列表，但无济于事。

这是我的示例文件的简化版本：

CODE	Power Cycle	Panics	Temp	App Restart
Panic		X
Power Reset-Power_Reset-Hard Power	X
Power Reset-Hard_Power-Hard Power	X
HARD-App-Restart				X
Code-Reason Temperature			X

10 列 57 行以此类推

CODE	Numerator	Denominator	Error Rate
Power Reset-Power_Reset-Hard Power	6	10	0.6
Panic	4	10	0.4
Power Reset-Hard_Power-Hard Power	9	10	0.9
HARD-App-Restart	0	10	0

对于出现的错误代码的行数，以此类推

期望的输出： |代码|分子|分母|错误率| |----|---------|------------|----------| |电源循环| 15 | 10 | 1.5 | |恐慌| 4 | 10 | 0.4 | |应用重启 | 0 | 10 | 0 |

Answer 1

说第一个数据帧 df1 第二个 df2

#convert Code to CODE in first dataframe with str.upper for standardization
df1.CODE = df1.CODE.str.upper()

#replace X with column names and remove nan values
df1["new"] = df1.filter(like="T").replace("X", pd.Series(df1.columns, df1.columns)).stack().to_numpy()

#replace CODE A,B,C,D,E with Type 1,2,3,4
df2["CODE"] = df2[["CODE"]].replace(df1[["CODE","new"]].set_index("CODE").to_dict()["new"],regex=True)

df2

    CODE    Numerator   Denominator Error Rate
0   Type 1      6          10         0.6
1   Type 2      4          10         0.4
2   Type 1      9          10         0.9
3   Type 4      0          10         0.0