Skip to main content
 首页 » 编程设计

python之用 pandas 读写 ID

2025年04月02日14qq78292959

我是 Python 新手,需要帮助解决以下问题:

我有两个 csv 文件,分别名为 bib.csv 和 id.csv 。文件中最多包含 15,000 个数据。

bib.csv 看起来像:

WKT  A_ID  length  
10   5     200 
11   6     201 

和 id.csv 看起来像:

Master_ID  A_ID_1  A_ID_2 
1          5       6 

这两天我试图找到一个解决方案,通过 A_IDbib.csv 写入信息strong> 进入 id.csv

最后我会有两个 csv 文件,其中 length 和 WKT 将代替id.csv 中的 A_ID。 例如:

Master_ID  A_ID_1  A_ID_2 
1          200     201 

和

Master_ID  A_ID_1  A_ID_2 
1          10      11 

我知道在 Excel VBA 中执行此操作,但我想在 Python 中解决此问题。

我认为我最大的问题实际上是知道正确的搜索关键字来查找 Informationen。

使用 df.loc 我可以在列中找到值,但是如何将其写入 id.csv???

遍历所有行和列是否正确,或者是否有更好的方法来查找 A_ID、WKT/strong> 和 length 在 bib.csv 中。

提前致谢!

请您参考如下方法:

import pandas as pd 
 
bib = pd.DataFrame({'WKT':[10,11,12], 'A_ID':[5,6,7], 'length':[200,201,202]}) 
#    A_ID  WKT  length 
# 0     5   10     200 
# 1     6   11     201 
# 2     7   12     202 
 
ids = pd.DataFrame({'Master_ID':[1,2], 'A_ID_1':[5,5], 'A_ID_2':[6,7]}) 
#    A_ID_1  A_ID_2  Master_ID 
# 0       5       6          1 
# 1       5       7          2 
 
melted = pd.melt(ids, id_vars='Master_ID', value_name='A_ID') 
merged = pd.merge(melted, bib).drop('A_ID', axis=1) 
result = merged.pivot(index='Master_ID', columns='variable') 
 
print(result['WKT']) 
print(result['length']) 

产量

variable   A_ID_1  A_ID_2 
Master_ID                 
1              10      11 
2              10      12 
 
 
variable   A_ID_1  A_ID_2 
Master_ID                 
1             200     201 
2             200     202 

作为michael_j_ward points out , 然后你可以使用

result['WKT'].to_csv('WKT.csv') 
result['length'].to_csv('length.csv') 

将 DataFrame 以 CSV 格式写入文件。


当盯着 bib 和 ids 时,很自然地想以某种方式将 bib['A_ID'] 与 ids[' A_ID_1'] 和 ids['A_ID_2']。 pd.merge 是合并两个具有共同值的 DataFrame 中的列的自然工具。

但随后我们遇到了第一个绊脚石——ids DataFrame 的值在两列中。我们希望它们只在一栏中。该问题的解决方案是使用 pd.melt 将 A_ID_1 和 A_ID_2 合并到一列(称为 A_ID , 下面):

In [187]: melted = pd.melt(ids, id_vars='Master_ID', value_name='A_ID'); melted 
Out[187]:  
   Master_ID variable  A_ID 
0          1   A_ID_1     5 
1          2   A_ID_1     5 
2          1   A_ID_2     6 
3          2   A_ID_2     7 

现在我们可以将 melted 与 bib 合并:

In [191]: merged = pd.merge(melted, bib).drop('A_ID', axis=1); merged 
Out[191]:  
   Master_ID variable  WKT  length 
0          1   A_ID_1   10     200 
1          2   A_ID_1   10     200 
2          1   A_ID_2   11     201 
3          2   A_ID_2   12     202 

现在旋转产生:

In [189]: result = merged.pivot(index='Master_ID', columns='variable'); result 
             WKT        length        
variable  A_ID_1 A_ID_2 A_ID_1 A_ID_2 
Master_ID                             
1             10     11    200    201 
2             10     12    200    202