问题描述
好吧,这是我要对list的特定值进行重塑时要执行的真实数据框。所以 我要重塑此数据框。
[Out] = df
Keterangan Q2 2019 Q2 2018
0 Kas 22686796.0 27421625.0
1 Giro pada bank indonesia 68409507.0 71159442.0
2 Giro pada bank lain 15675129.0 12584938.0
3 Giro pada bank lain pihak ketiga 88548.0 92417.0
4 Giro pada bank lain pihak berelasi 41391653.0 84668151.0
5 Penempatan pada bank indonesia dan bank lain 1825890.0 2349900.0
6 Penempatan pada bank indonesia dan bank lain pihak ketiga 28443695.0 30264303.0
7 Penempatan pada bank indonesia dan bank lain pihak berelasi 144798482.0 154020507.0
8 Efek-efek yang diperdagangkan -758.0 -758.0
9 Efek-efek yang diperdagangkan pihak ketiga 24081797.0 9396553.
10 Efek-efek yang diperdagangkan pihak berelasi 20253524.0 20584035.0
11 Cadangan kerugian penurunan nilai pada efek-efek 2713267.0 6858655.0
12 Efek yang dibeli dengan janji dijual kembali 7014696.0 10165310.0
13 Wesel ekspor dan tagihan lainnya 573030.0 1477693.0
14 Wesel ekspor dan tagihan lainnya pihak ketiga 335008.0 485810.0
15 Wesel ekspor dan tagihan lainnya pihak berelasi 748120507.0 709223043.0
16 Tagihan akseptasi 113999397.0 110787114.0
17 Tagihan akseptasi pihak ketiga -38848157.0 -35017982.0
18 Tagihan akseptasi pihak berelasi NaN NaN
19 Tagihan derivatif NaN NaN
20 Tagihan derivatif pihak ketiga NaN NaN
21 Pinjaman yang diberikan NaN NaN
22 Pinjaman yang diberikan pihak ketiga NaN NaN
23 Pinjaman yang diberikan pihak berelasi NaN NaN
24 Cadangan kerugian NaN NaN
我想用我之前拥有的特定列表重塑它,这是我的列表。
my_list = ['Giro pada bank lain','Penempatan pada bank indonesia dan bank lain','Efek-efek yang diperdagangkan','Wesel ekspor dan tagihan lainnya','Tagihan akseptasi','Tagihan derivatif','Pinjaman yang diberikan']
因此,如果列['Keterangan']中包含的字符串与列表中的项目字符串匹配,它将重新整形特定的列[Q2 2019]和[Q2 2018]。所以,这是我想要的数据框。
[Out] : df1
Keterangan Q2 2019 Q2 2018
0 Kas 22686796.0 27421625.0
1 Giro pada bank indonesia 68409507.0 71159442.0
2 Giro pada bank lain Nan Nan
3 Giro pada bank lain pihak ketiga 15675129.0 12584938.0
4 Giro pada bank lain pihak berelasi 88548.0 92417.0
5 Penempatan pada bank indonesia dan bank lain Nan Nan
6 Penempatan pada bank indonesia dan bank lain pihak ketiga 41391653.0 84668151.0
7 Penempatan pada bank indonesia dan bank lain pihak berelasi 1825890.0 2349900.0
8 Efek-efek yang diperdagangkan Nan Nan
9 Efek-efek yang diperdagangkan pihak ketiga 28443695.0 30264303.0
10 Efek-efek yang diperdagangkan pihak berelasi 144798482.0 154020507.0
11 Cadangan kerugian penurunan nilai pada efek-efek -758.0 -758.0
12 Efek yang dibeli dengan janji dijual kembali 24081797.0 9396553
13 Wesel ekspor dan tagihan lainnya Nan Nan
14 Wesel ekspor dan tagihan lainnya pihak ketiga 20253524.0 20584035.0
15 Wesel ekspor dan tagihan lainnya pihak berelasi 2713267.0 6858655.0
16 Tagihan akseptasi Nan Nan
17 Tagihan akseptasi pihak ketiga 7014696.0 10165310.0
18 Tagihan akseptasi pihak berelasi 573030.0 1477693.0
19 Tagihan derivatif NaN NaN
20 Tagihan derivatif pihak ketiga 335008.0 485810.0
21 Pinjaman yang diberikan NaN NaN
22 Pinjaman yang diberikan pihak ketiga 748120507.0 709223043.0
23 Pinjaman yang diberikan pihak berelasi 113999397.0 110787114.0
24 Cadangan kerugian -38848157.0 -35017982.0
我必须尝试一些代码来调整其形状,将df.index移至另一列,然后将列['Keterangan']切换为索引。
match = df['Keterangan'].str.fullmatch('|'.join(entry for entry in my_list))
df['shift'] = match.cumsum()
df['index'] = df.index
df.set_index('Keterangan',drop=True,inplace=True)
及其进行移位和切换索引的工作。
Q2 2019 Q2 2018 shift index
Keterangan
Kas 22686796.0 27421625.0 0 0
Giro pada bank indonesia 68409507.0 71159442.0 0 1
Giro pada bank lain 15675129.0 12584938.0 1 2
Giro pada bank lain pihak ketiga 88548.0 92417.0 1 3
Giro pada bank lain pihak berelasi 41391653.0 84668151.0 1 4
Penempatan pada bank indonesia dan bank lain 1825890.0 2349900.0 2 5
Penempatan pada bank indonesia dan bank lain pihak ketiga 28443695.0 30264303.0 2 6
Penempatan pada bank indonesia dan bank lain pihak berelasi 144798482.0 154020507.0 2 7
Efek-efek yang diperdagangkan -758.0 -758.0 3 8
Efek-efek yang diperdagangkan pihak ketiga 24081797.0 9396553.0 3 9
Efek-efek yang diperdagangkan pihak berelasi 20253524.0 20584035.0 3 10
Cadangan kerugian penurunan nilai pada efek-efek yang 2713267.0 6858655.0 3 11
Efek yang dibeli dengan janji dijual kembali 7014696.0 10165310.0 3 12
Wesel ekspor dan tagihan lainnya 573030.0 1477693.0 4 13
Wesel ekspor dan tagihan lainnya pihak ketiga 335008.0 485810.0 4 14
Wesel ekspor dan tagihan lainnya pihak berelasi 748120507.0 709223043.0 4 15
Tagihan akseptasi 113999397.0 110787114.0 5 16
Tagihan akseptasi pihak ketiga -38848157.0 -35017982.0 5 17
Tagihan akseptasi pihak berelasi NaN NaN 5 18
Tagihan derivatif NaN NaN 6 19
Tagihan derivatif pihak ketiga NaN NaN 6 20
Pinjaman yang diberikan NaN NaN 7 21
Pinjaman yang diberikan pihak ketiga NaN NaN 7 22
Pinjaman yang diberikan pihak berelasi NaN NaN 7 23
Cadangan kerugian NaN NaN 7 24
接下来,我想要执行最后的代码以重新移动列
df = df.apply(lambda row: df.shift(row.at['shift']).iloc[row.at['index']],axis='columns')
df[list(match)] = np.nan
但是,它发生了一个问题..它像这样说。但是,我已经检查了df ['index']类型为int64。为什么此列无法应用iloc?
TypeError Traceback (most recent call last)
<ipython-input-67-0f4a937e0002> in <module>()
----> 1 df = df.apply(lambda row: df.shift(row.at['shift']).iloc[row.at['index']],axis='columns')
2 df[list(match)] = np.nan
/usr/local/lib/python3.6/dist-packages/pandas/core/indexing.py in _getitem_axis(self,key,axis)
1491 key = item_from_zerodim(key)
1492 if not is_integer(key):
-> 1493 raise TypeError("Cannot index by location index with a non-integer key")
1494
1495 # validate the location
TypeError: Cannot index by location index with a non-integer key
解决方法
我现在了解导致问题的原因。如果你看
的结果match = df['Keterangan'].str.fullmatch('|'.join(entry for entry in my_list))
df['shift'] = match.cumsum()
df['index'] = df.index
columns = df.columns
df = df.apply(lambda row: print(row),axis='columns')
您会看到类似的东西
Q2 2019 22686796.0
Q2 2018 27421625.0
shift 0.0
index 0.0
Name: Kas,dtype: float64
Q2 2019 68409507.0
Q2 2018 71159442.0
shift 0.0
index 1.0
Name: Giro pada bank indonesia,dtype: float64
Q2 2019 15675129.0
Q2 2018 12584938.0
shift 1.0
index 2.0
Name: Giro pada bank lain,dtype: float64
...
行是具有统一类型的Series,在这里float64
。
传递给函数的对象是系列对象...
还有其他要点。如果看简单的例子
df = pd.DataFrame({'A': [1,2],'B': [1.,2.]})
print(df.iloc[0],'w')
df = pd.DataFrame({'A': ['a','b'],2.]})
print(df.iloc[0])
您将看到以下输出
A 1.0
B 1.0
Name: 0,dtype: float64
A a
B 1
Name: 0,dtype: object
都是系列。首先,Pandas看到所有类型都是数字,因此它选择最佳的数字类型来适应两个值的类型,即float
。在第二个中,由于使用了字符串,Pandas选择了object
,它可以容纳几乎所有类型。
在other question中的DataFrame中,第2和3.列中有一个字符串('Nan'
,不是NaN
!),导致类型为{ {1}},以下还object
中object
变量中的类型row
。这里的DataFrame在2.和3.列中有tpye apply
(float
的类型为NaN
),因此在float
变量中还有float
。这就是为什么原始代码适用于第一个示例的原因,但不适用于此处。 (至少我是这样认为的,我可能是错的。)
我已经相应地调整了suggestion中的代码(row
类型)。