Pandas Groupby比较Excel中带有子行的2列中的计数相等值
易山
我有一个像这样的Excel文件：
.----.-------------.-------------------------.-----------------.
| | ID | Shareholder - Last name | DM Cognome |
:----+-------------+-------------------------+-----------------:
| 1. | 01287560153 | MASSIRONI | Bocapine Ardaya |
:----+-------------+-------------------------+-----------------:
| | | CAGNACCI | |
:----+-------------+-------------------------+-----------------:
| 2. | 05562881002 | | Directors |
:----+-------------+-------------------------+-----------------:
| 3. | 04113870655 | SABATO | Sabato |
:----+-------------+-------------------------+-----------------:
| | | VILLARI | |
:----+-------------+-------------------------+-----------------:
| 4. | 01419190846 | SALMERI | Salmeri |
:----+-------------+-------------------------+-----------------:
| | | MICALIZZI | Lipari |
:----+-------------+-------------------------+-----------------:
| | | LIPARI | |
'----'-------------'-------------------------'-----------------'
ffill由于存在子行，因此我使用pandas和ID列打开了此文件。然后groupby通过ID获取Shareholder - Last name和DM\nCognome列上任何相等值的计数。但是我不能。在这种情况下，结果应为0 row1 0 row2 1 row3 2 row4。
应该注意的是，第4行由3个子行组成，第3行也由2个子行组成。
我有两个问题：
- 读取如上所述的无组织excel文件并进行大量比较，替换值等的最佳方法是什么？
- 如何获得我前面提到的结果。
这是我所做的，但是不起作用：
data['ID'] = data['ID'].fillna(method='ffill')
data.groupby('ID', sort=False, as_index=False)['Shareholder - Last name', 'DM\nCognome'].apply(lambda x: (x['Shareholder - Last name']==x['DM\nCognome']).count())
戴维·布雷克斯
首先，读取表作为输入（将ID保留为字符串而不是float）：
df = pd.read_excel("Workbook1.xlsx", converters={'ID':str})
df = df.drop("Unnamed: 0", axis=1) #drop this column since it is not useful
填写ID，如果缺少股东，请用“ Missing”替换Nan：
df['ID'] = df['ID'].fillna(method='ffill')
df["Shareholder - Last name"] = df["Shareholder - Last name"].fillna("missing")
将姓转换为小写：
df["Shareholder - Last name"] = df["Shareholder - Last name"].str.lower()
自定义函数，用于计算另一列中出现的住户数量：
def f(group):
s = pd.Series(group["DM\nCognome"].str.lower())
count = 0
for surname in group["Shareholder - Last name"]:
count += s.str.count(surname).sum()
return count
最后获得每个ID的计数：
df.groupby("ID",sort=False)[["Shareholder - Last name", "DM\nCognome"]].apply(lambda x: f(x))
输出：
ID
01287560153 0.0
05562881002 0.0
04113870655 1.0
01419190846 2.0
本文收集自互联网，转载请注明来源。
如有侵权，请联系 [email protected] 删除。
编辑于
相关文章
TOP 榜单
- 1
Android Studio Kotlin：提取为常量
- 2
计算数据帧R中的字符串频率
- 3
如何使用Redux-Toolkit重置Redux Store
- 4
http：// localhost：3000 /＃！/为什么我在localhost链接中得到“＃！/”。
- 5
如何使用tweepy流式传输来自指定用户的推文（仅在该用户发布推文时流式传输）
- 6
TreeMap中的自定义排序
- 7
TYPO3：将 Formhandler 添加到新闻扩展
- 8
遍历元素数组以每X秒在浏览器上显示
- 9
在Ubuntu和Windows中，触摸板有时会滞后。硬件问题？
- 10
警告消息：在matrix（unlist（drop.item），ncol = 10，byrow = TRUE）中：数据长度[16]不是列数的倍数[10]>？
- 11
无法连接网络并在Ubuntu 14.04中找到eth0
- 12
将辅助轴原点与主要轴对齐
- 13
我可以ping IPv6但不能ping IPv4
- 14
在Jenkins服务器中使用Selenium和Ruby进行的黄瓜测试失败，但在本地计算机中通过
- 15
提交html表单时为空
- 16
使用C ++ 11将数组设置为零
- 17
如果从DB接收到的值为空，则JMeter JDBC调用将返回该值作为参数名称
- 18
尝试在Dell XPS13 9360上安装Windows 7时出错
- 19
如何在R中转置数据
- 20
无法使用 envoy 访问 .ssh/config
- 21
未捕获的SyntaxError：带有Ajax帖子的意外令牌u
我来说两句