最近群里出现的3个数据处理需求，如何用Pandas简单实现一下

目录：

• 问题1：透视与多层索引类
• 问题2：文本数据处理类
• 问题3：条件赋值

问题1：透视与多层索引类

有一个朋友，提出了这样的疑问，类似长表变宽表的题，看了下大致需要用到透视和多层索引的处理。

我们来看一下详细需求：

看到这个，我们用Excel其实很好处理，直接 数据透视表 拖拽就行，参考：

Excel直接上透视表

那么，在Pandas里怎么实现呢？

可以看到这位朋友方向是对的，但是在参数设置上稍微有点问题，应该这样实现：

import pandas as pd
# 大家直接复制下面输出的数据然后演示即可
df = pd.read_clipboard()
df

原始数据：

# 透视过程
temp = df.pivot(index='编号',columns='月份',values=['单价','数量'])
temp

输出结果：

这个时候，其实和期望结果还是有点差异，我们期望的是月份下面分单价和数据，而不是单价与数量下面分月份。这个时候，就该我们多层索引出场了，直接调整索引的level即可。

# 多层索引调整level
data = temp.swaplevel(0,1,axis=1).sort_index(axis=1)
data

输出结果：

你以为到这里就结束了吗？其实不然！

我们看下输出的excel文档结果，发现存在一行为空的情况，通过查询发现这是Pandas已知的问题，据说是为了给行索引名字（编号）留的。

怎么处理呢？可以试着去掉行索引名字，然后存csv：

# 行索引名称去掉
data.index.name=None
data

然后存为csv文件，发现勉强可以：

data.to_csv('结果.csv',encoding='utf-8-sig')

补充：大家还可以用excel处理的其他第三方库操作，比如openpyxl里的delete_rows(3)删除第三行之类的。

问题2：文本数据处理类

有一个朋友有一些数据，看了下内容大致上姓名-号码-单号组成，但是每个元素部分之间的分隔符并不统一。看了下， 大致可以用pandas里的extract来提取。

import pandas as pd

# 读取数据
df = pd.read_excel(r'测试数据.xlsx')
df

测试数据：

这里直接参考《一看就会的Pandas文本数据处理》，用extract函数方法来进行提取。

df['信息'].str.extract(r'(?P<姓名>[\u4e00-\u9fa5]+).*?(?P<号码>\d+).*?(?P<单号>[A-Z].*)?$')

输出结果：

问题3：条件赋值

有一个朋友需要修改满足条件的数据帧某个字段的值，然后按照预想的方式发现不奏效！

我们简单看下他是怎么操作的：

那是为什么呢？

其实，在['金额']之前的表达式返回的是DataFrame数据，[]方法修改的是这个数据的值，而不是原有的muban。

我们通过下面的演示让大家熟悉了解一下：

import pandas as pd

d = {'col1': ['才哥', '财哥'], 'col2': [101, 99]}
df = pd.DataFrame(data=d)
df

案例数据：

我们将col1为才哥的这行数据的col2改为100

temp = df[df['col1']=='才哥']
temp['col2'] = 100

输出结果：

而实际上df的值没变化

那么，怎么在df上进行修改呢？直接把[]里的值放在里面就行了~

df.loc[df['col1']=='才哥', 'col2'] = 100
df

输出结果：

搞定！

以上就是最近在咱们技术交流群里朋友圈讨论的一些问题，相信大家还有更多解法，我这里也只是抛砖引玉。