Pandas -基于其他列对列进行分组，并将它们标记到新列中
Pandas -基于其他列对列进行分组，并将它们标记到新列中
提问于 2019-04-06 10:36:41
我有一个数据框，我想根据同一数据框中另一列的值对其进行分组。
例如：
Parent_ID和子ID链接在一起，并定义分层树中与谁相关的人。
数据帧看起来像(从csv文件输入)
No Name ID Parent_Id
1 Tom 211 111
2 Galie 209 111
3 Remo 200 101
4 Carmen 212 121
5 Alfred 111 191
6 Marvela 101 111
7 Armin 234 101
8 Boris 454 109
9 Katya 109 323我想根据以下分组中的ID和Parent_ID对此数据框进行分组，并基于顶层父级生成CSV文件。即Alfred.csv、Carmen.csv (将只有自己的条目，ice第4行)、Katya.csv (使用to_csv()函数)。
Alfred
|_ Galie
_ Tom
_ Marvela
|_ Remo
_ Armin
Carmen
Katya
|_ Boris而且，我想在同一个数据框中创建一个新列，它将有一个指示层次结构的标记。像这样：
No Name ID Parent_Id Tag
1 Tom 211 111 Alfred
2 Galie 209 111 Alfred
3 Remo 200 101 Marvela, Alfred
4 Carmen 212 121
5 Alfred 111 191
6 Marvela 101 111 Alfred
7 Armin 234 101 Marvela, Alfred
8 Boris 454 109 Katya
9 Katya 109 323请注意，名称可以重复，但ID将是唯一的。
请让我知道如何使用熊猫实现这一点。我尝试过groupby()，但是看起来有点复杂，并且没有得到我想要的结果。每个父文件都应该有一个文件，子记录在父文件中。如果孩子有其他孩子(比如marvel)，它就有资格拥有自己的csv文件。
最终的输出将是
Alfred.csv - All records matching Galie, Tom, Marvela
Marvela.csv - All records matching Remo, Armin
Carmen.csv - Only record matching carmen (row)
Katya.csv - all records matching katya, boris回答 1
Stack Overflow用户
发布于 2019-04-06 11:52:45
我假设你的数据帧是一个字典：
mydf = ({"No":[1,2,3,4,5,6,7,8,9],"Name":["Tom","Galie","Remo","Carmen","Alfred","Marvela","Armin","Boris","Katya"],
"ID":[211,209,200,212,111,101,234,454,109],"Parent_Id":[111,111,101,121,191,111,101,109,323]})
df = pd.DataFrame(mydf)然后，我从每一行确定Parent_Id。最后将它们存储到新的列中：
tag = []
for z in df['Parent_Id']:
try:
tag.append(df.query('ID==%s'%z)['Name'].item())
except:
tag.append('')
df['Tag'] = tag根据列Tag中的值过滤数据帧，例如Alfred
df[df['Tag'].str.match('Alfred')]然后将其保存在csv文件中。对其他值重复上述步骤。或者，如果在Tag列中有大量的名称，则使用for循环。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/55545358
复制相关文章
相似问题
腾讯云开发者
