如何使用數據幀在新列中拆分兩個 CSV 文件列，顯示 pandas 中的匹配項？

Question

我正在嘗試清理CSV文件數據集，然后再使用它制作幾個虛線圖。

其中一列是UNITMEASURENAME ，包括：

Thousand Barrels per day (kb/d)
Thousand Kilolitres (kl)
Thousand Barrels per day (kb/d)
Thousand Kilolitres (kl)
Conversion factor barrels/ktons
Conversion factor barrels/ktons
Thousand Barrels (kbbl)

另一列包含每個對應rows的值。

還有一個國家和一個數據列。

我需要做的是將UNITMEASURENAME拆分為單獨的列，從帶有數字的列中獲取值。

df.pivot_table會起作用嗎？

我在pandas中完成了以下操作，但我認為它不會在 Dash 中用於 plotly 圖：

TK = df.loc[df['UNITMEASURENAME']=='Thousand Kilolitres (kl)']

IN = df.loc[df['COUNTRYNAME']=='INDIA']

這並不是在實際的 CSV 文件中創建新列。

TK = df.loc[df['UNITMEASURENAME']=='Thousand Kilolitres (kl)']

IN = df.loc[df['COUNTRYNAME']=='INDIA']

我想要新的列，然后我將與它們一起保存實際的 CSV 文件。

{'Unnamed: 0': {0: 0, 1: 1, 2: 2, 3: 3, 4: 4},
 'Year': {0: 2018, 1: 2018, 2: 2018, 3: 2018, 4: 2018},
 'Month': {0: 3, 1: 3, 2: 3, 3: 4, 4: 4},
 'OBSVALUE': {0: 7323.0, 1: 9907.0, 2: 48827.7847, 3: 9868.0, 4: 47066.6794},
 'COUNTRYNAME': {0: 'SAUDI ARABIA',
  1: 'SAUDI ARABIA',
  2: 'SAUDI ARABIA',
  3: 'SAUDI ARABIA',
  4: 'SAUDI ARABIA'},
 'UNITMEASURENAME': {0: 'Conversion factor barrels/ktons',
  1: 'Thousand Barrels per day (kb/d)',
  2: 'Thousand Kilolitres (kl)',
  3: 'Thousand Barrels per day (kb/d)',
  4: 'Thousand Kilolitres (kl)'},
 'alternate_date': {0: '2018-03-01',
  1: '2018-03-01',
  2: '2018-03-01',
  3: '2018-04-01',
  4: '2018-04-01'}}

Header 用於 CSV 文件：

Unnamed: 0  Year    Month   OBSVALUE    COUNTRYNAME UNITMEASURENAME alternate_date
0   0   2018    3   7323.0000   SAUDI ARABIA    Conversion factor barrels/ktons 2018-03-01
1   1   2018    3   9907.0000   SAUDI ARABIA    Thousand Barrels per day (kb/d) 2018-03-01
2   2   2018    3   48827.7847  SAUDI ARABIA    Thousand Kilolitres (kl)    2018-03-01
3   3   2018    4   9868.0000   SAUDI ARABIA    Thousand Barrels per day (kb/d) 2018-04-01
4   4   2018    4   47066.6794  SAUDI ARABIA    Thousand Kilolitres (kl)    2018-04-01

Answer 1

似乎您有一個多列鍵（年、月、國家/地區名稱，可能還有備用日期），這很好，但它會使旋轉變得困難/危險。所以，我將簡單地給您一些代碼來創建基於新列的在那一列中的值。

首先，我喜歡復制 dataframe 以免丟失原始數據

dfc = df.copy()

現在，讓我們獲取該列所有值的唯一列表

vals = dfc['UNITMEASURENAME'].values
vals = np.unique(vals)

現在讓我們為每個值創建一個新列

for val in vals:
    dfc[val] = dfc.apply(lambda x: x['OBSVALUE'] if x['UNITMEASURENAME'] == val else None , axis = 1)

---

如果 lambda 功能太混亂：

dfc = df.copy()
vals = dfc['UNITMEASURENAME'].values
vals = np.unique(vals)

def fun(row):
    if row['UNITMEASURENAME'] == val:
        return row['OBSVALUE']
    else:
        return None

for val in vals:
    dfc[val] = dfc.apply(fun, axis = 1)

我測試了這段代碼。

Answer 2

我認為您可以使用pivot方法 Pandas DataFrame 使用分類值創建新列。

df = ... # your dataframe

# We keep 'Unnamed: 0' column as index for later when we merge df and df2
df2 = df.pivot(index='Unnamed: 0', columns='UNITMEASURENAME', values=['OBSVALUE'])

# df2 is a MultiIndex dataframe.. So we access the level needed and then reset_index
df2 = df2['OBSVALUE'].reset_index()

現在您可以將其合並到原始 dataframe 以保留其他列以供您分析

final_df = pd.merge(df, df2, on='Unnamed: 0')