Python pandas циклически перебирает фрейм данных, реплицирует множество таблиц в Excel

Я хочу преобразовать большой фрейм данных в серию таблиц отчетов, которые копируют шаблон для каждого уникального идентификатора в отдельной/пропущенной строке Excel в фрейме данных. Я хотел бы сделать это с помощью серии циклов. Я думаю, что смогу добиться этого, сопоставив каждый элемент в df с файлом Excel... но это займет несколько тысяч строк в зависимости от размера кадра данных - любая помощь будет очень признательна!

import pandas as pd

data = {'id' = [1,2,3]
  , 'make' = ['ford','chevrolet','dodge']
  , 'model' = ['mustang','comaro','challenger']
  , 'year' = ['1969','1970','1971']
  , 'color' = ['blue', 'red', 'green']
  , 'miles' = ['15000','20000','35000']
  , 'seats' = ['leather', 'cloth' , 'leather']
  }
df = pd.DataFrame(data)

df.to_excel(r'/desktop/reports/output1.xlsx')

Предлагаемый результат в Excel (между группировками идентификаторов пропускается одна строка):

  A       B             C       D        E        F 
1 make    ford          year    1969     miles    15000
2 model   mustang       color   blue     seats    leather
3 
4 make    chevrolet     year    1970     miles    20000
5 model   comaro        color   red      seats    cloth
6
7 make    dodge         year    1971     miles    35000
8 model   challenger    color   green    seats    leather
Почему в Python есть оператор "pass"?
Почему в Python есть оператор "pass"?
Оператор pass в Python - это простая концепция, которую могут быстро освоить даже новички без опыта программирования.
Некоторые методы, о которых вы не знали, что они существуют в Python
Некоторые методы, о которых вы не знали, что они существуют в Python
Python - самый известный и самый простой в изучении язык в наши дни. Имея широкий спектр применения в области машинного обучения, Data Science,...
Основы Python Часть I
Основы Python Часть I
Вы когда-нибудь задумывались, почему в программах на Python вы видите приведенный ниже код?
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
LeetCode - 1579. Удаление максимального числа ребер для сохранения полной проходимости графа
Алиса и Боб имеют неориентированный граф из n узлов и трех типов ребер:
Оптимизация кода с помощью тернарного оператора Python
Оптимизация кода с помощью тернарного оператора Python
И последнее, что мы хотели бы показать вам, прежде чем двигаться дальше, это
Советы по эффективной веб-разработке с помощью Python
Советы по эффективной веб-разработке с помощью Python
Как веб-разработчик, Python может стать мощным инструментом для создания эффективных и масштабируемых веб-приложений.
0
0
81
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Код

я думаю, не нужен цикл. измените форму вашего фрейма данных

# melt & sort
tmp = df.melt('id', var_name='a', value_name='b').sort_values('id', kind='stable')

# make id's cumcount to variable s
s = tmp.groupby('id').cumcount()

# assign 'row' and 'col' column based on variable s
tmp['row'], tmp['col'] = s % 2, s // 2

# pivot & sort
tmp = (tmp.pivot(index=['id', 'row'], columns='col')
          .swaplevel(0, 1, axis=1).sort_index(axis=1).droplevel(0, axis=1)
)

ТМП:

# create variable idx(MultiIndex) for making blank rows
idx = pd.MultiIndex.from_product([df['id'].unique(), [0, 1, 2]])

# reindex with idx & save to Excel file without index and header
tmp.reindex(idx).to_excel('result.xlsx', index=False, header=False)

результат.xlsx:

ОТЛИЧНО!!! Большое спасибо!!

John 27.06.2024 02:35

Другие вопросы по теме