Блог

У меня есть документ Word со списками, который я превращаю в фрейм данных pandas. Документ состоит из списков, что-то вроде:

Item1: abc

Item2: abd

Item3: abt

Я смог перенести эти данные в таблицу, подобную этой:

 d = {'item': ['item1','item1','item1','item2', 'item2', 'item3'], 'description': ['abc', 'a=2', 'bc=01', 'abd',' bd=12',  'abt']}
df = pd.DataFrame(data=d)

  

Но цель состоит в том, чтобы создать таблицу, подобную этой:

 d2 = {'item': ['item1', 'item2', 'item3'], 'description': ['abc', 'abd', 'abt'], 'labels': ["'a=2', 'bc=01'", 'bd=12', np.nan]}
good_df = pd.DataFrame(data=d2)
  

Изначально я планировал:

1. установите столбец элемента в качестве индекса
2. разделите фрейм данных на 2: один только со строками, у которых нет знака равенства, другой со строками, у которых есть знак равенства
3. превратите строки в список
4. добавить список в новый столбец в split-dataframe-1

 # split df
split_df_1 = df[~df['labels'].str.contains("=")]
split_df_2 = df[df['labels'].str.contains("=")]

# set new index
split_df_2 = df[df['labels'].str.contains("=")].set_index('item')

split_df_2.loc('item1')

  

и вот тут я застрял. Я получаю сообщение об ошибке «Нет оси с именем item1 для типа объектаDataFrame’>»

Любая помощь с этой ошибкой или более чистый способ выполнения этой задачи были бы очень полезны.

заранее спасибо

Похоже, ошибка, которую вы получаете, связана с использованием круглых скобок вместо квадратных скобок.

 split_df_2.loc('item1')

# Should be
split_df_2.loc['item1']
  

Это должно создать ваш предполагаемый результат. Сначала мы извлекаем строки «label», затем объединяем строки, которые имеют одинаковые item

 d = {'item': ['item1','item1','item1','item2', 'item2', 'item3'], 'description': ['abc', 'a=2', 'bc=01', 'abd',' bd=12',  'abt']}
df = pd.DataFrame(data=d)

label_mask = df["description"].str.contains("=")
new_labels = (df.loc[label_mask, :]
              .groupby("item")
              .apply(lambda g: ", ".join(g["description"]))
              
print(new_labels)
item
item1    a=2, bc=01
item2         bd=12
dtype: object
  

Теперь мы можем просто добавить его только в строки «описание», чтобы создать окончательный фрейм данных.

 new_df = (df.loc[~label_mask, :]      # Select the correct "description" rows
          .set_index("item")          # Change the index to be the item so our DataFrame aligns with our `new_labels` Series
          .assign(labels=new_labels)) # Add `new_labels` as its own column

print(new_df)
      description      labels
item                         
item1         abc  a=2, bc=01
item2         abd       bd=12
item3         abt         NaN