熊猫 - 拆分列存储为csv

问题描述：

我有一个数据集，每一行代表一个独特的销售。一列表示在该销售中订购的物品，如CSV。熊猫 - 拆分列存储为csv

我需要将“items ordered”列中的值和每个订购的项目分开，创建一个与原始订单ID绑定的唯一行。

例如：

Order ID Items Ordered 
    127 Item 1, Item 2, Item 3

应该是：

Order ID Items Ordered 
    127   Item 1 
    127   Item 2 
    127   Item 3

我是比较新的蟒蛇/大熊猫。此代码有效，但在遍历所有订单时很慢。有什么更好的方法来做到这一点？

temp_item_list = [] 

for row in raw_data.iterrows(): 
    for i in range(len(row['Items'])): 
     temp_item_list.append((row['ID'], row['Items'][i])) 

item_df = pd.DataFrame(temp_item_list)

请不要检查的答案。 –

答

参考similar answer，你可以尝试这一步一步的指导：

>>> initial_df = pandas.read_csv("your_file_path") 
>>> final_df = pandas.concat([Series(row['Order ID'], row['Items Ordered'].split(',')) for _, row in initial_df.iterrows()]).reset_index() 
>>> final_df 
    index 0 
0 Item 1 127 
1 Item 2 127 
2 Item 3 127 
>>> final_df.columns= ['Items Ordered','Order ID'] 
>>> final_df 
    Items Ordered Order ID 
0  Item 1  127 
1  Item 2  127 
2  Item 3  127 
>>> final_df[['Order ID','Items Ordered']] 
    Order ID Items Ordered 
0  127  Item 1 
1  127  Item 2 
2  127  Item 3

这将让你的工作做好。

答

可能对你有帮助的东西是pandas.DataFrame.apply。它允许您将函数应用于每一行。您可以定义一个函数来抓取行中的items元素，将其拆分并调用pandas.DataFrame.append为每个项目创建一个新行。

以下是关于如何使用apply函数的example。

答

为了避免迭代通过所有的行，你可以使用numpy.repeat，使列Order ID而压扁Items Ordered，并从该做出新的数据帧：

from itertools import chain 
import numpy as np 
import pandas as pd 

# count the number of items in the items order column 
items_count = df["Items Ordered"].str.count(",") + 1 

# extend the Order ID column with numpy repeat and flatten Items Order column 
pd.DataFrame({"Order ID": np.repeat(df["Order ID"], items_count), 
       "Items Ordered": list(chain.from_iterable(df["Items Ordered"].str.split(",")))})

答

可能这是你在找什么对于;

df = pd.DataFrame({'order_id':127, 'items_ordered': ['item_1, item_2, item_3']}) 
df1 = pd.concat([df.order_id,df.items_ordered.str.split(',').apply(pd.Series)],axis=1,ignore_index=True) 
df1 = df1.pivot(index = df1.index, columns = df1.columns[0]).stack().stack().to_frame() 
df1 = df1.set_index(df1.index.get_level_values(level=1))

或可选地一个更加简洁的解决方案结合上述枢轴和set_index步骤是：

df1 = pd.melt(df, id_vars = ['order_id'])

熊猫 - 拆分列存储为csv

相关推荐