主页 / 问题 / 935194
Accepted
Pavel
Asked:2020-01-22 19:02:56 +0000 UTC2020-01-22 19:02:56 +0000 UTC

通过给定的熊猫参数选择列

  • 772

我有以下数据框：

在此处输入图像描述

它需要转换为以下形式：

Регистрационный номер   Год    Наименование           Значение
   1140280002235        2013  Нематериальные активы     0
   1140280002235        2013  Основные средства         0
   1140280002235        2014  Нематериальные активы     0
   1140280002235        2014  Основные средства         0
   1140280002235        2015  Нематериальные активы     0
   1140280002235        2015  Основные средства         825 000
   ..........................................................
   1147746032752        2015  Основные средства        2 314 000

原则上，您可以将注册号和年份设置为索引（set_index）。我不明白如何转换原始数据帧的逻辑，以便可以轻松地按年份和注册号过滤。 

    import pandas as pd
    import numpy as np
    import re
    df_findata = pd.read_csv(open('spark_fin_data.csv', 'r', encoding='KOI8-R'), sep = ',', decimal=',')
    df_findata.head()

在此处输入图像描述

PS数据临时链接

python

1 个回答

  1. Best Answer

    试试这样：

    df = pd.read_csv(r'C:\download\data.csv', dtype={'Регистрационный номер':'str'})

cols2drop = [
  '?',
 'Наименование',
 'Адрес (место нахождения)',
 'Дата регистрации',
 'Возраст компании',
 'Дата ликвидации',
 'Статус',
 'Вид деятельности/отрасль',
 'Организационно-правовая форма',
 'Форма собственности']

df = (df.drop(cols2drop, axis=1)
        .set_index('Регистрационный номер')
        .stack()
        .reset_index(level=1)
        .rename(columns={'level_1':'name',0:'val'}))

df[['Год','Наименование']] = \
    (df.pop('name')
       .str.extract(r'(\d{4}),\s*([^,]*?)\s*,'))


df['Значение'] = pd.to_numeric(df.pop('val').str.replace('\s*',''), 
                               errors='coerce')
df = df.reset_index()

    结果：

    In [49]: df
Out[49]:
        Регистрационный номер   Год                         Наименование  Значение
0               1140280002235  2015                    Основные средства    825000
1               1140280002235  2015                  Внеоборотные активы    825000
2               1140280002235  2016                  Внеоборотные активы     37000
3               1140280002235  2017                  Внеоборотные активы      6000
4               1140280002235  2015                               Запасы     58000
5               1140280002235  2016                               Запасы    162000
6               1140280002235  2017                               Запасы      2000
...                       ...   ...                                  ...       ...
1137143         1088602002004  2016  Прибыль (убыток) до налогообложения   6980000
1137144         1088602002004  2017  Прибыль (убыток) до налогообложения  -2941000
1137145         1088602002004  2013              Чистая прибыль (убыток)  33468000
1137146         1088602002004  2014              Чистая прибыль (убыток)  28719000
1137147         1088602002004  2015              Чистая прибыль (убыток)   1887000
1137148         1088602002004  2016              Чистая прибыль (убыток)   4821000
1137149         1088602002004  2017              Чистая прибыль (убыток)  -3229000

[1137150 rows x 4 columns]
    • 1

相关问题