使用 Nan 值解析 Pandas 中的丑陋 txt 文件
Parsing Ugly txt file in Pandas with Nan Values
我从一组丑陋的几千行 txt 数据开始,并将其清理成如下所示:
import pandas as pd
import numpy as np
data = {'Town':['Chicago', 1.11, 1.45, 0.86, 2.68, np.nan, 'Philly', 1.35, 1.55, 3.7], 'lat':[41.878, np.nan, np.nan, np.nan, np.nan, np.nan, 39.9526, np.nan, np.nan, np.nan], 'long':[-87.6298, np.nan, np.nan, np.nan, np.nan, np.nan, -75.165, np.nan, np.nan, np.nan]}
df = pd.DataFrame(data)
我想通过下面的表格获取它,但遇到了一些问题。
data_wanted = {'41.8780':[1.11, 1.45, 0.86, 2.68], '39.9526':[1.35, 1.55, 3.7, np.nan]}
df_wanted = pd.DataFrame(data_wanted)
需要注意的是,每个城镇都有不同数量的值(一个可能是 100,下一个可能是 13)。
如有任何帮助,我们将不胜感激。
试试
df['new_lat'] = df['lat'].ffill()
out = df.query('lat!=new_lat').assign(key = lambda x : x.groupby('new_lat').cumcount()).pivot('key','new_lat','Town')
Out[377]:
new_lat 39.9526 41.8780
key
0 1.35 1.11
1 1.55 1.45
2 3.7 0.86
3 NaN 2.68
4 NaN NaN
我从一组丑陋的几千行 txt 数据开始,并将其清理成如下所示:
import pandas as pd
import numpy as np
data = {'Town':['Chicago', 1.11, 1.45, 0.86, 2.68, np.nan, 'Philly', 1.35, 1.55, 3.7], 'lat':[41.878, np.nan, np.nan, np.nan, np.nan, np.nan, 39.9526, np.nan, np.nan, np.nan], 'long':[-87.6298, np.nan, np.nan, np.nan, np.nan, np.nan, -75.165, np.nan, np.nan, np.nan]}
df = pd.DataFrame(data)
我想通过下面的表格获取它,但遇到了一些问题。
data_wanted = {'41.8780':[1.11, 1.45, 0.86, 2.68], '39.9526':[1.35, 1.55, 3.7, np.nan]}
df_wanted = pd.DataFrame(data_wanted)
需要注意的是,每个城镇都有不同数量的值(一个可能是 100,下一个可能是 13)。
如有任何帮助,我们将不胜感激。
试试
df['new_lat'] = df['lat'].ffill()
out = df.query('lat!=new_lat').assign(key = lambda x : x.groupby('new_lat').cumcount()).pivot('key','new_lat','Town')
Out[377]:
new_lat 39.9526 41.8780
key
0 1.35 1.11
1 1.55 1.45
2 3.7 0.86
3 NaN 2.68
4 NaN NaN