将所有数据框合并成一个单一文件。

huangapple go评论54阅读模式
英文:

Merge all data frame into a single file

问题

我有一个数据框列表,看起来是这样的:

df1

卖家 价值 日期
哈里 2 1月2日
奥姆 12 1月2日
0 1月2日
马特 14 1月2日
约翰 0 1月2日
梅西 1 1月2日
约翰 0 1月2日
雷诺 7 1月2日

Df2

卖家 价值 日期
哈里 0 1月3日
奥姆 14 1月3日
NA 1月3日
马特 14 1月3日
罗恩 0 1月3日
梅西 10 1月3日
约翰 0 1月3日
雷诺 17 1月3日

像这样,我有很多数据框。

将它们全部合并到单个文件中,只保留最新值都大于0的卖家。

最终数据框如下 -

卖家 1月2日值 1月3日值
奥姆 12 14
马特 14 14
梅西 1 10
雷诺 7 17
英文:

I have a list of data frames which looks like this:

df1

Seller Vaule Date
Hari 2 Jan-02
Om 12 Jan-02
Cat 0 Jan-02
Mat 14 Jan-02
John 0 Jan-02
Messi 1 Jan-02
John 0 Jan-02
Ronaldo 7 Jan-02

Df2

Seller Vaule Date
Hari 0 Jan-03
Om 14 Jan-03
Cat NA Jan-03
Mat 14 Jan-03
Ron 0 Jan-03
Messi 10 Jan-03
John 0 Jan-03
Ronaldo 17 Jan-03

Like that I have many data frames

Merge all into single file and keep only the seller whose latest values are all greater than 0.

Final DF would be like -

Seller Vaule_jan02 Vaule_jan03
Om 12 14
Mat 14 14
Messi 1 10
Ronaldo 7 17

Note - In df1 Hari's value was greater than 0 but in df2 it's value is 0 so we have not included in our final DF.

答案1

得分: 2

'concat' DataFrames按所需顺序连接,然后使用'pivot_table'按卖家获取最后一个值,然后使用'loc''gt''all'进行后过滤,以保留仅具有正值的行:

(pd.concat([df1, df2])
   # 按月份-年份排序(如果是月份-日期则使用%b-%d)
   .sort_values(by='Date', key=lambda x: pd.to_datetime(x, format='%b-%y'))
   # 重塑为宽格式,仅保留最后一个值
   .pivot_table(index='Seller', columns='Date', values='Value', aggfunc='last')
   # 仅保留所有正值的行
   .loc[lambda d: d.gt(0).all(axis=1)]
   .reset_index().rename_axis(columns=None)
)

输出:

    卖家  一月-02  一月-03
0      Mat    14.0    14.0
1    Messi     1.0    10.0
2       Om    12.0    14.0
3  Ronaldo     7.0    17.0
在'loc'过滤步骤之前的中间结果:
Date     一月-02  一月-03
Seller                 
Cat         0.0     NaN
Hari        2.0     0.0
John        0.0     0.0
Mat        14.0    14.0  # 仅这些行
Messi       1.0    10.0  # 有正值
Om         12.0    14.0  # 保留它们
Ron         NaN     0.0
Ronaldo     7.0    17.0  #
英文:

concat the DataFrames in the desired order, then use a pivot_table, getting the last value per Seller and post-filter using loc, gt and all to keep the rows with only positive values:

(pd.concat([df1, df2])
   # sort by Month-year (use %b-%d if Month-day)
   .sort_values(by='Date', key=lambda x: pd.to_datetime(x, format='%b-%y'))
    # reshape to wide form, keeping only the last value
   .pivot_table(index='Seller', columns='Date', values='Vaule', aggfunc='last')
    # keep only rows with all positive values
   .loc[lambda d: d.gt(0).all(axis=1)]
   .reset_index().rename_axis(columns=None)
)

Output:

    Seller  Jan-02  Jan-03
0      Mat    14.0    14.0
1    Messi     1.0    10.0
2       Om    12.0    14.0
3  Ronaldo     7.0    17.0
intermediate before the loc filtering step:
Date     Jan-02  Jan-03
Seller                 
Cat         0.0     NaN
Hari        2.0     0.0
John        0.0     0.0
Mat        14.0    14.0  # those rows only
Messi       1.0    10.0  # have positive values
Om         12.0    14.0  # keep them
Ron         NaN     0.0
Ronaldo     7.0    17.0  #

答案2

得分: 2

Here are the translated code parts:

另一个可能的解决方案:

(pd.concat([df1, df2])
 .drop_duplicates('Seller', keep='last')
 .loc[lambda x: x['Value'].ne(0)]
 .dropna())

输出:

    Seller  Value    Date
1       Om   12.0  Jan-02
3      Mat   14.0  Jan-02
5    Messi   10.0  Jan-02
7  Ronaldo    7.0  Jan-02

为了满足需求:

(pd.concat([df1, df2])
 .drop_duplicates('Seller', keep='last')
 .loc[lambda x: x['Value'].ne(0)]
 .dropna()
 .merge(df1, on='Seller', suffixes=('_jan03', '_jan02'))
 .loc[:, ['Seller', 'Value_jan02', 'Value_jan03']])

输出:

    Seller  Value_jan02  Value_jan03
0       Om           12         14.0
1      Mat           14         14.0
2    Messi            1         10.0
3  Ronaldo            7         17.0

一个更通用的方法,基于reduce结合merge

from functools import reduce

list_df = [df1, df2]

(reduce(lambda x, y:  
    pd.merge(x, y, on='Seller', suffixes=['', f"_{y['Date'][0]}"]), list_df)
 .rename({'Value': f"Value_{df1['Date'][0]}"}, axis=1)
 .loc[lambda x: x.iloc[:,-2].gt(0), lambda x: ~x.columns.str.startswith('Date')])

如果需要进一步翻译,请告诉我。

英文:

Another possible solution:

(pd.concat([df1, df2])
 .drop_duplicates('Seller',keep='last')
 .loc[lambda x: x['Vaule'].ne(0)]
 .dropna())

Output:

    Seller  Value    Date
1       Om   12.0  Jan-02
3      Mat   14.0  Jan-02
5    Messi   10.0  Jan-02
7  Ronaldo    7.0  Jan-02

To answer the requirement:

(pd.concat([df1, df2])
 .drop_duplicates('Seller',keep='last')
 .loc[lambda x: x['Vaule'].ne(0)]
 .dropna()
 .merge(df1, on='Seller', suffixes=('_jan03', '_jan02'))
 .loc[:, ['Seller', 'Vaule_jan02', 'Vaule_jan03']])

Output:

    Seller  Value_jan02  Value_jan03
0       Om           12         14.0
1      Mat           14         14.0
2    Messi            1         10.0
3  Ronaldo            7         17.0

A more general approach, which is based on reduce combined with merge:

from functools import reduce

list_df = [df1, df2]

(reduce(lambda x, y:  
    pd.merge(x, y, on='Seller', suffixes=['', f"_{y['Date'][0]}"]), list_df)
 .rename({'Value': f"Value_{df1['Date'][0]}"}, axis=1)
 .loc[lambda x: x.iloc[:,-2].gt(0), lambda x: ~x.columns.str.startswith('Date')])

答案3

得分: 1

使用 concat 来移除值小于 0seller,去除重复项并进行总和聚合:

df = pd.concat([df1, Df2])

df = (df[~df['Seller'].isin(df.loc[df['Vaule'].le(0), 'Seller'])]
        .drop_duplicates()
        .groupby('Seller', as_index=False)['Vaule']
        .sum()
        )
print (df)
    Seller  Vaule
0      Mat   14.0
1    Messi   10.0
2       Om   12.0
3  Ronaldo    7.0
英文:

Use concat with remove sellers if Values are less like 0, remove duplicates and aggregate sum:

df = pd.concat([df1, Df2])

df = (df[~df['Seller'].isin(df.loc[df['Vaule'].le(0), 'Seller'])]
        .drop_duplicates()
        .groupby('Seller', as_index=False)['Vaule']
        .sum()
        )
print (df)
    Seller  Vaule
0      Mat   14.0
1    Messi   10.0
2       Om   12.0
3  Ronaldo    7.0

huangapple
  • 本文由 发表于 2023年5月10日 18:35:28
  • 转载请务必保留本文链接:https://go.coder-hub.com/76217386.html
匿名

发表评论

匿名网友

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen:

确定