Marco de datos de Pandas

Oct 31 2020

Tengo un marco de datos que contiene un número de columnas y filas, en todas las columnas excepto en las dos más a la izquierda, hay datos de la forma "entero-entero". Me gustaría dividir todas estas columnas en dos columnas, con cada número entero en su propia celda, y eliminar el guión.

He intentado seguir las respuestas en Pandas Dataframe: divida varias columnas cada una en dos columnas , pero parece que se dividen después de un elemento, mientras que me gustaría dividirlas en el "-".

A modo de ejemplo, supongamos que tengo un marco de datos de la forma:

Me gustaría dividir las columnas etiquetadas de 2 a 22, para que se llamen 2F, 2A, 3F, 3A, ..., 6A con los datos en la primera fila como R1, Hawthorn, 229, 225, 91, 81, ..., 12.

Gracias por cualquier ayuda.

Respuestas

2 jezrael Oct 31 2020 at 13:48

Puede usar DataFrame.set_indexcon DataFrame.stackfor Series, luego dividir en 2 columnas nuevas por Series.str.split, convertir a números enteros, crear nuevos nombres de columnas por DataFrame.set_axis, remodelar por DataFrame.unstack, ordenar columnas por DataFrame.sort_indexy aplanar por última vez MultiIndexcon convertir índice a columnas por DataFrame.reset_index:

#first replace columns names to default values
df.columns = range(len(df.columns))

df = (df.set_index([0,1])
        .stack()
        .str.split('-', expand=True)
        .astype(int)
        .set_axis(['F','A'], axis=1, inplace=False)
        .unstack()
        .sort_index(axis=1, level=[1,0], ascending=[True, False]))
df.columns = df.columns.map(lambda x: f'{x[1]}{x[0]}')
df = df.reset_index()
print (df)
    0                1   2F   2A   3F   3A   4F   4A   5F   5A  6F  6A
0  R1         Hawthorn  229  225   91   81  216  142  439  367   7  12
1  R2           Sydney  226  214   93   92  151  167  377  381  12   8
2  R3          Geelong  216  228   91  166  159  121  369  349  16  14
3  R4  North Melbourne  213  239  169  126  142  155  355  394   8   9
4  R5       Gold Coast  248  226  166   94  267  169  455  389  18   6
5  R6         St Kilda  242  197  118  161  158  156  466  353  15  16
6  R7        Fremantle  225  219   72   84  224  185  449  464   7   5
sharathnatraj Oct 31 2020 at 14:19

Para entrada:

df = pd.DataFrame({0: ['R1'], 1: ['Hawthorn'], 2: ['229-225'],  3: ['91-81'], 4:['210-142'], 5:['439-367'], 6:['7-12']})

    0         1        2      3        4        5     6
0  R1  Hawthorn  229-225  91-81  210-142  439-367  7-12

Probar el código:

for i in df.columns[2::]:
    df[[str(i)+'F', str(i)+'A']] =pd.DataFrame(df[i].str.split('-').tolist(), index= df.index)
    del df[i] 

Impresiones (primera fila):

    0         1   2F   2A  3F  3A   4F   4A   5F   5A 6F  6A
0  R1  Hawthorn  229  225  91  81  210  142  439  367  7  12
CodePerfectPlus Oct 31 2020 at 14:46

puedes usar la función lambda para dividir una serie

import pandas as pd

df = pd.read_csv("data.csv")
df.head()
>>> data
0  12-24
1  13-26
2  14-28
3  15-30
df["d1"] = df["data"].apply(lambda x: x.split("-")[0])
df["d2"] = df["data"].apply(lambda x: x.split("-")[1])
df.head()
>>>
    data  d1  d2
0  12-24  12  24
1  13-26  13  26
2  14-28  14  28
3  15-30  15  30