He cargado en un csv que se ve así
Unnamed: 0 Unnamed: 1 Unnamed: 2 Unnamed: 3
Date Price Quantity Colour
2019 45 56 Blue
2019 34 65 Red
Date Price Quantity Size
2019 12 32 Large
2019 45 11 Small
Date Price Country
2019 12 UK
2019 45 US
Quería convertir esto en un marco de datos completo, por lo que la salida esperada es esta;
Date Price Quantity Colour Size Country
2019 45 56 Blue NaN NaN
2019 34 65 Red NaN NaN
2019 12 32 NaN Large NaN
2019 45 11 NaN Small NaN
2019 12 32 NaN NaN UK
2019 45 11 NaN NaN US
La palabra Fecha en la primera columna siempre dividirá las tablas.
2 respuestas
Si es posible utilizar la cadena Date para distinguir cada grupo, compare y agregue Series.cumsum, pase a groupby y en la función personalizada cree columnas en la primera fila y elimínelas por DataFrame.iloc:
g = df.iloc[:, 0].eq('Date').cumsum()
def f(x):
x.columns = x.iloc[0]
return x.iloc[1:].dropna(how='all', axis=1)
df = df.groupby(g).apply(f).reset_index(drop=True)
print (df)
Date Price Quantity Colour Size
0 2019 45 56 Blue NaN
1 2019 34 65 Red NaN
2 2019 12 32 NaN Large
3 2019 45 11 NaN Small
Usaría np.arange para usar DataFrame.groupby y pd.concat:
new_df = (pd.concat([pd.DataFrame(columns = group.iloc[0],
index =group.index[1:],
data = group.iloc[1:].values)
for i,group in df.groupby(np.arange(len(df))//3)],sort = False)
.dropna(how = 'all',axis = 1))
print(new_df)
Date Price Quantity Colour Size Country
1 2019 45 56 Blue NaN NaN
2 2019 34 65 Red NaN NaN
4 2019 12 32 NaN Large NaN
5 2019 45 11 NaN Small NaN
7 2019 12 NaN NaN NaN UK
8 2019 45 NaN NaN NaN US
Si la longitud de cada cuadro para concatenar no es la misma, entonces usaría Series.cumsum
new_df = (pd.concat([pd.DataFrame(columns = group.iloc[0],
index =group.index[1:],
data = group.iloc[1:].values)
for i,group in df.groupby(df.iloc[:,0].eq('date').cumsum())],sort = False)
.dropna(how = 'all',axis = 1))
print(new_df)
0 Date Price Quantity Colour
1 2019 45 56 Blue
2 2019 34 65 Red
3 Date Price Quantity Size
4 2019 12 32 Large
5 2019 45 11 Small
6 Date Price Country NaN
7 2019 12 UK NaN
8 2019 45 US NaN
Preguntas relacionadas
Nuevas preguntas
python
Python es un lenguaje de programación multipropósito, de tipificación dinámica y de múltiples paradigmas. Está diseñado para ser rápido de aprender, comprender y usar, y hacer cumplir una sintaxis limpia y uniforme. Tenga en cuenta que Python 2 está oficialmente fuera de soporte a partir del 01-01-2020. Aún así, para preguntas de Python específicas de la versión, agregue la etiqueta [python-2.7] o [python-3.x]. Cuando utilice una variante de Python (por ejemplo, Jython, PyPy) o una biblioteca (por ejemplo, Pandas y NumPy), inclúyala en las etiquetas.