首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >标识数据帧中的元素

问标识数据帧中的元素
EN

Stack Overflow用户
提问于 2020-06-27 20:28:37
回答 1查看 63关注 0票数 0

我在pandas中有一个名为names_and_places的数据帧字典,如下所示。

names_and_places:

代码语言:javascript
复制
Alfred,,,
Date,F_1,F_2,Key
4/1/2020,1,4,NAN
4/2/2020,2,5,NAN
4/3/2020,3,6,"[USA,NY,NY, NY]"
Brett,,,
Date,F_1,F_2,Key
4/1/2020,202,404,NAN
4/2/2020,101,401,NAN
4/3/2020,102,403,"[USA,CT, Fairfield, Stamford] "
Claire,,,
Date,F_1,F_2,Key
4/1/2020,NAN,12,NAN
4/2/2020,NAN,45,NAN
4/3/2020,7,78,"[USA,CT, Fairfield, Darian] "
Dane,,,
Date,F_1,F_2,Key
4/1/2020,4,17,NAN
4/2/2020,5,18,NAN
4/3/2020,7,19,"[USA,CT, Bridgeport, New Haven] "
Edward,,,
Date,F_1,F_2,Key
4/1/2020,4,17,NAN
4/2/2020,5,18,NAN   
4/3/2020,7,19,"[USA,CT, Bridgeport, Milford] "

(上面的文字或下面的图片)

​

键列可以是NAN,也可以是Country,State,County,City的形式,但长度可以是3或4个元素(有时没有County )。我需要找到包含在键中的给定元素的所有元素。例如,如果元素= "CT",脚本将返回Edward、Brett、Dane和Claire (顺序并不重要)。如果元素= "Stamford“,则只返回Brett。然而,我正在以一种似乎非常低效的方式来处理识别过程。基本上,我有一些变量可以遍历State、County、City (我目前正在手动输入到变量中)的每个可能的组合,以确定要提取哪些名称,如下所示:

代码语言:javascript
复制
    country = 'USA' #this never needs to change
    element = 'CT'
    #These next two are actually in .txt files that I create once I am asked for 
    #a given breakdown but I would like to not have to manually input these
    middle_node = ['Fairfield','Bridgeport'] 
    terminal_nodes = ['Stamford','Darian','New Haven','Milford']
    names=[]
    for a in middle_node:
        for b in terminal_nodes:
            my_key = [country,key_of_interest,a,b]
            for s in names_and_places:
                for z in names_and_places[s]['Key']:
                    if my_key == z: 
                        names.append(s)
                #Note having "if my_key in names_and_places[s]['Key']": was causing sporadic failures for 
                #some reason 
    display(names)       

输出:

代码语言:javascript
复制
    Edward, Brett, Dane, Claire

我希望能够只输入变量元素,这可以是2级(州)、3级(县)或4级(城市)节点。然而,除了添加额外的for循环和进入键列之外,我不知道如何做到这一点。这样做的一个好处(对于像我这样的新手来说)是,double for循环允许我保持扣环的完整性,并使人们更容易看到名字来自哪里,而这也是需要的。

但是有没有更好的方法呢?当key_of_interest为' NY‘并且关键字列中的值可以是美国、纽约或美国、纽约、纽约、皇后区时,如果有一种方法可以处理这种情况,则可以获得奖励积分。

编辑: names_and_places是一个以名称作为索引的字典,因此

代码语言:javascript
复制
    display(names_and_places['Alfred'])

将会是

代码语言:javascript
复制
    Date,F_1,F_2,Key
    4/1/2020,1,4,NAN
    4/2/2020,2,5,NAN
    4/3/2020,3,6,"[USA,NY,NY, NY]"

我确实有包含列的原始数据帧:

代码语言:javascript
复制
    Date, Field name, Value, Names,

其中,字段名称是F_1、F_2或Key,Value是该字段的关联值。然后,我使用字段名称的列来透视名称上的数据,以使提取更容易。

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2020-06-29 12:49:37

这里有一种更有效的方法。您首先在字典之外构建一个数据帧,然后在该数据帧上执行实际工作。

代码语言:javascript
复制
single_df = pd.concat([df.assign(name = k) for k, df in names_and_places.items()])
single_df["Key"] = single_df.Key.replace("NAN", np.NaN)
single_df.dropna(inplace=True)

# Since the location is a string, we have to parse it. 
location_df = pd.DataFrame(single_df.Key.str.replace(r"[\[\]]", "").str.split(",", expand=True))
location_df.columns = ["Country", "State", "County", "City"]
single_df = pd.concat([single_df, location_df], axis=1)

# this is where the actual query goes. 
single_df[(single_df.Country == "USA") & (single_df.State == "CT")].name

输出为:

代码语言:javascript
复制
2     Brett
2    Claire
2      Dane
2    Edward
Name: name, dtype: object
票数 1
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/62610017

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档