使用行值在pandas中创建新列

Question

首先，这不是重复的！ 我已经搜索了几个SO问题以及Pandas文档，但没有发现任何结论。要创建一个具有行值的新列，例如this和this ！

想象一下，我有下表， 打开一个.xls然后用它创建一个数据框。 因为这是从实际问题中创建的一个小示例，所以我创建了这个简单的Excel表，该表可以轻松复制：

我现在想要的是找到具有"Population Month Year" （我将查看不同的.xls ，因此结构是相同的：人口，月份和年份。

xls='population_example.xls'
sheet_name='Sheet1'
df = pd.read_excel(xls, sheet_name=sheet_name, header=0, skiprows=2)
df

我以为是：

1. 使用startswith获取该行的值

2. 创建一列，使用该值进行Python处理并获取月份和年份的值。

我已经尝试过类似的几件事：

dff=df[s.str.startswith('Population')]
dff

但是错误不会停止。 在上面的代码错误中，具体是：

IndexingError：作为索引器提供的不可对齐的布尔系列（布尔系列的索引与索引对象的索引不匹配

我有几个猜测：

• 即使阅读文档，我也无法正确理解熊猫Series的工作原理。 我什至没有想到要使用它们，但是startswith看起来就像我想要的东西。
• 如果我处理正确，可能会出现NaN error ，但是我仍然不能使用df.dropna() ，因为我会丢失该行值（《 Population April 2017 ）！

编辑：

使用此问题：

df[df['Area'].str.startswith('Population')]是它将检查na values 。

和这个：

df['Area'].str.startswith('Population')

会给我一个true / false / na的值集，我不确定该如何使用。

Answer 1

感谢@Erfan，我找到了解决方案：

正确使用注释中的代码行，而不是像我尝试的那样，我设法：

dff=df[df['Area'].str.startswith('Population', na=False)] dff

将会输出： Population and household forecasts, 2016 to 20... NaN NaN NaN NaN NaN NaN

现在我可以像这样访问该值

value=dff.iloc[0][0] value

为了得到我一直在寻找的字符串， 'Population and household forecasts, 2016 to 2041, prepared by .id , the population experts, April 2019.' 我可以用python来创建所需的列。 谢谢！

Answer 2

您可以尝试：

import pandas as pd
import numpy as np

pd.DataFrame({'Area': [f'Whatever{i+1}' for i in range(3)] + [np.nan, 'Population April 2017.'],
              'Population': [3867, 1675, 1904, np.nan, np.nan]}).to_excel('population_example.xls', index=False)

df = pd.read_excel('population_example.xls').fillna('')

population_date = df[df.Area.str.startswith('Population')].Area.values[0].lstrip('Population ').rstrip('.').split()

结果：

['April', '2017']

或（如果“人口月份”始终在最后一行）：

df.iloc[-1, 0].lstrip('Population ').rstrip('.').split()