问题描述
我有一个映射表,看起来像Excel中的以下内容,其中BL列每个包含来自两个单独数据集的列标题的名称,需要将它们映射到由组成的新的串联数据集中的A列中的新列标题。这两个单独的数据集。
A B C D E F G H I J K L
Ant Car Bin
Bat Bat Gat Rat Mat Sat Pat Fat Cat Hat
在上面的示例中,数据集1(Col B)中的Bat
需要映射到新的级联数据集(Col A)中的Bat
以及来自数据集的EL列中的列标题2需要全部映射到Bat
(Col A),以便将数据集2中这些列下面的行中的数据加在一起,即
Bat = Gat + Rat + Mat + Sat + Pat + Fat + Cat + Hat
上面提到的增加的复杂性是由于用户将来可以选择将数据集1或数据集2中的列分别添加到Col CD或Col FL中而产生的-并希望Python代码能够识别出这一点并以上面的加法形式连接数据。
我知道groupby
中的pandas
功能可以用于对Gat,Mat,Sat etc
进行附加分组,但是在如何处理允许用户更改映射表的问题上遇到了麻烦。
我考虑过使用for
循环迭代检查每个单元格的值,以检查用户在Col CD和Col FL下输入列标题的位置,而忽略了NaN
单元格,但是我该怎么办?继续处理映射?
任何帮助表示赞赏。
解决方法
您需要创建一个辅助映射,它是原始映射的转置,并且仅包含具有多对一映射(即Col E-L)的列的子集。
对此映射进行过滤,以查找具有多个条目的行,即
min_nas = 1
map_sub = map_sub.loc[:,(map_sub.notnull().sum(axis=0) > min_nas)]
转回正常,使用pd.melt()
,然后追加回到原始映射,仅保留Col A,B和E。然后按如下所示一对一进行映射:
map_sub = map_sub.T
map_sub.reset_index(level='[insert name of Col A here]',inplace=True)
keys = [c for c in map_sub if c.startswith('[insert Col E-L name prefix here]')]
map_sub = pd.melt(map_sub,id_vars='[insert name of Col A here]',value_vars=keys,value_name='[insert name of Col E here]')
清理:
map_sub = map_sub.dropna() # drop all rows and columns with nan
del map_sub['variable'] # remove variable column
附加到原始映射:
newmapping = mapping.append(map_sub,sort=False,ignore_index=True)
newmapping = newmapping[['[insert name of Col A here]','[insert name of Col B here]','[insert name of Col E here]']] # keep just 3 relevant columns for one-to-one mapping.
继续进行一对一映射。