我有一个包含多个(超过1000个)列和行的文件,它们的名称不遵循任何模式.其示例如下:
file1.txt
IDs AABC ABC6 YHG.8 D78Ha
Ellie 12 48.70 33
Kate 98 34 21 76.36
Joe 22 53 49
Van 77 40 12.1
Xavier 88.85
首先,我必须用NA填补空白,以便看起来像:
file1.txt
IDs AABC ABC6 YHG.8 D78Ha
Ellie 12 NA 48.70 33
Kate 98 34 21 76.36
Joe 22 53 49 NA
Van 77 NA 40 12.1
Xavier NA NA NA 88.85
然后,我尝试获取ID和其他列的所有组合,例如AABC,ABC6,YHG.8和D78Ha,例如:
Ellie , AABC --> 12
Ellie, ABC6 --> NA
Ellie, YHG.8 --> 48.70 ( without rounding )
Ellie, D78Ha --> 33
Kate,AABC --> 98
Kate, ABC6 --> 34
...
因此,所需的输出应为20行(4列x 5个ID),如下所示:
output.txt
Ellie AABC 12
Ellie ABC6 NA
Ellie YHG.8 48.70
Ellie D78Ha 33
Kate AABC 98
Kate ABC6 34
..
因此,我用NA手动填充空白,用熊猫读取文件,并为ID编制索引.
这样我就可以找到ID名称和其他列名称.
但是我无法迭代.
我的尝试是:
import pandas as pd
tablefile = pd.read_csv('file1.txt',sep='\t')
print(tablefile)
df2=tablefile.set_index("IDs")
print("Ellie AABC " , df2.loc["Ellie", "AABC" ])
print("Kate AABC " , df2.loc["Kate", "AABC" ])
print("Xavier AABC " , df2.loc["Xavier", "AABC" ])
它打印:
('Ellie AABC ', 12.0)
('Kate AABC ', 98.0)
('Xavier AABC ', nan)
我如何用NA填充空白并在此数组中进行迭代,而又不通过逐个写入的方式调用名称呢?也许随着[i,i]中i的增加?
解决方法:
dropna =假的IIUC堆栈
df.set_index('IDs').stack(dropna=False).astype(object).reset_index()
Out[915]:
IDs level_1 0
0 Ellie AABC 12
1 Ellie ABC6 NaN
2 Ellie YHG.8 48.7
3 Ellie D78Ha 33
4 Kate AABC 98
5 Kate ABC6 34
6 Kate YHG.8 21
7 Kate D78Ha 76.36
8 Joe AABC 22
9 Joe ABC6 53
10 Joe YHG.8 49
11 Joe D78Ha NaN
12 Van AABC 77
13 Van ABC6 NaN
14 Van YHG.8 40
15 Van D78Ha 12.1
16 Xavier AABC NaN
17 Xavier ABC6 NaN
18 Xavier YHG.8 NaN
19 Xavier D78Ha 88.85
标签:pandas,arrays,python