Skip to main content
 首页 » 编程设计

python之用通过比较另一列的数据获得的数据填充一列

2025年02月15日9bonelee

我有一张 table 。我正在创建一个新列“时间”。我需要用数字填充它,具体取决于“类型”列中的数据。例如,如果在“type”列的单元格中是dgv,那么在“timing”列中应该有一个数字17,如果是ds,则为8,如果是psp,则为3,等等。总共有几个条件.

part of the table 等等

我的代码:

import csv 
 
with open('C:/Notebook/data1.txt','r') as csvinput: 
    with open('C:/Notebook/datawr1.txt', 'w') as csvoutput: 
        writer = csv.writer(csvoutput, lineterminator='\n') 
        reader = csv.reader(csvinput) 
 
        all = [] 
        row = next(reader) 
        row.append('Timing') # Here I create a column "Timing" 
        all.append(row) 
 
        for row in reader:  #I think here should be a condition if 
            row.append(' ')  
            all.append(row)            
 
 
        writer.writerows(all) 

请您参考如下方法:

我想你可以使用 map通过字典d,如果不匹配得到NaN:

df = pd.DataFrame({'type':['dgv','ds','psp', 'a']}) 
print (df) 
  type 
0  dgv 
1   ds 
2  psp 
3    a 
 
d = {'dgv':17,'ds':8,'psp':3} 
df['Timing'] = df['type'].map(d) 
print (df) 
  type  Timing 
0  dgv    17.0 
1   ds     8.0 
2  psp     3.0 
3    a     NaN 

编辑:

在 pandas 中读取文件是使用 read_csv , 用于写作 to_csv (如果是.txt文件没问题):

import pandas as pd 
from pandas.compat import StringIO 
 
temp=u"""code,type,date,quantity 
0,dgv,07.11.2016,1 
0,dgv,08.06.2016,1 
0,ds,01.07.2016,1 
0,ds,03.08.2016,1 
0,ds,03.08.2016,1 
0,psp,06.03.2016,1 
0,a,07.08.2016,1""" 
#after testing replace 'StringIO(temp)' to 'filename.txt' 
df = pd.read_csv(StringIO(temp)) 
print (df) 
   code type        date  quantity 
0     0  dgv  07.11.2016         1 
1     0  dgv  08.06.2016         1 
2     0   ds  01.07.2016         1 
3     0   ds  03.08.2016         1 
4     0   ds  03.08.2016         1 
5     0  psp  06.03.2016         1 
6     0    a  07.08.2016         1 

d = {'dgv':17,'ds':8,'psp':3} 
df['Timing'] = df['type'].map(d) 
print (df) 
   code type        date  quantity  Timing 
0     0  dgv  07.11.2016         1    17.0 
1     0  dgv  08.06.2016         1    17.0 
2     0   ds  01.07.2016         1     8.0 
3     0   ds  03.08.2016         1     8.0 
4     0   ds  03.08.2016         1     8.0 
5     0  psp  06.03.2016         1     3.0 
6     0    a  07.08.2016         1     NaN 
 
df.to_csv('myfile.txt', index=False)