根据 pandas 中另一列的值创建新列

Question

我有这个 pandas 数据框，其列 "Code" 包含顺序分层代码。我的目标是使用每个层次级别代码及其名称创建新列，如下所示：

原始数据：

    Code    Name
0   A       USA
1   AM      Massachusetts
2   AMB     Boston
3   AMS     Springfield
4   D       Germany
5   DB      Brandenburg
6   DBB     Berlin
7   DBD     Dresden

我的目标：

Code    Name           Level1   Level1Name      Level2  Level2Name      Level3      Level3Name
0   A   USA             A           USA          AM     Massachusetts   AMB         Boston
1   AM  Massachusetts   A           USA          AM     Massachusetts   AMB         Boston
2   AMB Boston          A           USA          AM     Massachusetts   AMB         Boston
3   AMS Springfield     A           USA          AM     Massachusetts   AMS         Springfiled
4   D   Germany         D           Germany      DB     Brandenburg     DBB         Berlin
5   DB  Brandenburg     D           Germany      DB     Brandenburg     DBB         Berlin
6   DBB Berlin          D           Germany      DB     Brandenburg     DBB         Berlin
7   DBD Dresden         D           Germany      DB     Brandenburg     DBD         Dresden

我的代码：

import pandas as pd
df = pd.read_excel(r'/Users/BoBoMann/Desktop/Sequence.xlsx')
df['Length']=test.Code.str.len() ## create a column with length of each cell in Code
df['Level1']=test.Code.str[:1]   ## create the first level using string indexing
df['Level1Name'] = df[df['Length']==1]['Name']
df.head() ## This yields:



Code    Name          Length    Level1  Level1Name
0   A       USA             1         A     USA
1   AM      Massachusetts   2         A     NaN
2   AMB     Boston          3         A     NaN
3   AMS     Springfield     3         A     NaN
4   D       Germany         1         D     Germany
5   DB      Brandenburg     2         D     NaN
6   DBB     Berlin          3         D     NaN
7   DBD     Dresden         3         D     NaN

对于我目前的方法，如何在 Level1Name 列中将这些 NaN 分别变成 USA 和 Germany？

一般来说，有没有更好的方法来实现我的目标，即为每个分层创建列并将它们与另一列中各自的名称相匹配？

Answer 1

IIUC，让我们使用这个代码：

df['Codes'] = [[*i] for i in df['Code']]
df_level = df['Code'].str.extractall('(.)')[0].unstack('match').bfill().cumsum(axis=1)
s_map = df.explode('Codes').drop_duplicates('Code', keep='last').set_index('Code')['Name']
df_level.columns = [f'Level{i+1}' for i in df_level.columns]
df_level_names =  pd.concat([df_level[i].map(s_map) for i in df_level.columns], 
                            axis=1, 
                            keys=df_level.columns+'Name')
df_out = df.join([df_level, df_level_names]).drop('Codes', axis=1)
df_out

输出：

  Code           Name Level1 Level2 Level3 Level1Name     Level2Name   Level3Name
0    A            USA      A     AM    AMB        USA  Massachusetts       Boston
1   AM  Massachusetts      A     AM    AMB        USA  Massachusetts       Boston
2  AMB         Boston      A     AM    AMB        USA  Massachusetts       Boston
3  AMS    Springfield      A     AM    AMS        USA  Massachusetts  Springfield
4    D        Germany      D     DB    DBB    Germany    Brandenburg       Berlin
5   DB    Brandenburg      D     DB    DBB    Germany    Brandenburg       Berlin
6  DBB         Berlin      D     DB    DBB    Germany    Brandenburg       Berlin
7  DBD        Dresden      D     DB    DBD    Germany    Brandenburg      Dresden

解释：

将字符串解压缩到创建 'Codes' 列的字符列表中
使用 extractall 和正则表达式 . 创建 'LevelX' 列以获得单个字符，然后 bfill 上面的 NaN 和 cumsum 沿行到创建 'LevelX' 列
通过在 'Codes' 上调用 explode 创建一个 pd.Series 与 map 一起使用在上方创建列并 drop_duplicates 保留最后一个值 'Code' 然后在 'Codes' 上 set_index 并保留 'Name' 列创建 's_map'.
重命名名称 df_level 列以获取 Level1 而不是 Level0。
使用 pd.concat 和 map df_level 列的列表理解 df_level_names 使用 s_map。另外，使用 keys 参数重命名新列并附加 'Name'
使用 join 连接 df 与 df_levels 和 df_level_names，然后 drop 'Codes' 列，创建所需的输出。

根据 pandas 中另一列的值创建新列

Creating new columns based on value from another column in pandas

hierarchical

dataframe

pandas

python-3.6

解释：