pandas 将在列上的表头转到列索引上

看过来

《pandas 教程》持续更新中，提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。跟作者学习，请进入 Python学习课程。欢迎关注作者出版的书籍：《深入浅出Pandas》和《Python之光》。

用 Excel 制作表格时，有时会将多个信息多列显示，左边为属性右边为数据，但同时我们又希望将这类数据转为 DataFrame，按照 DataFrame 的规范，所有表头应该在列索引上，这就需要我们进行一下转换。

数据与需求

我们假定从一个 Excel 读取到一个数据，数据的表头在列上，如：

import pandas as pd
import io

data = '''
姓名  张三   年龄  18
性别   男
'''

df = pd.read_csv(io.StringIO(data),
                 sep=r'\s+',
                 header=None)
df
'''
    0   1    2     3
0  姓名  张三   年龄  18.0
1  性别   男  NaN   NaN
'''

数据中，姓名、年龄、性别都在列上，同时第二行还存在缺失值。我们需要将这个数据经过处理，所有表头在列索引上，即：

'''
    姓名    年龄 性别
0  张三  18.0  男
'''

思路

先将读取到的 DataFrame 的所有值转为一个平铺的 NumPy array 类型，它是一个一维数据，然后再用 reshape() 转为 N 行 2 列，这里的 N 可以通过 DataFrame 的列数计算。

接着将变形后的 array 读入 DataFrame，然后经过一系列转置、删除缺失值、设置索引等操作，得到最终的数据。

代码

将数据转换变形测试代码：

df.values.reshape([4, 2])
'''
array([['姓名', '张三'],
       ['年龄', 18.0],
       ['性别', '男'],
       [nan, nan]], dtype=object)
'''

最终的代码为：

r = len(df.columns)

(
    pd.DataFrame(df.values.reshape([r, int(r/2)]))
    .T
    .dropna(axis=1)
    .T
    .set_index(0)
    .T
)
'''
    姓名    年龄 性别
0  张三  18.0  男
'''

这样就完成了需求。

（完）

pandas 将在列上的表头转到列索引上

数据与需求

思路

代码

相关内容