Pandas实战——灵活使用pandas基础知识轻松处理不规则数据

点击上方“Python爬虫与数据挖掘”，进行关注

回复“书籍”即可获赠Python从入门到进阶共10本电子书

今

日

鸡

汤

剑阁峥嵘而崔嵬，一夫当关，万夫莫开。

大家好，我是皮皮。

一、前言

前几天在Python最强王者群【wen】问了一个pandas数据合并处理的问题，一起来看看吧。他的原始数据如下所示：

然后预期的结果如下所示：

二、实现过程

这里【瑜亮老师】给了一个指导如下：原始数据中包含所有所需的信息，但是因为源系统导出的格式问题，有些数据被分配到了合并行中，并且每个单独的表中都是统一格式。

源数据中"商品", "单价", "支付方式", "销售地", "销量"是已经处理好的数据，不需要单独处理。需要获取的信息是"平台", "商户", "账号"，这三个均在合并行中，群友的建议都是使用re正则表达式获取。

获取到上面数据后，还需要删掉多余的行。仔细观察原始表格我们可以发现：每个单独表格是由一个平台、商户、账号所查询的，且所需平台、商户、账号数据分布在合并行中，而这些合并行在被pandas读取后会形成只有第一列有数值，其他列为NaN的情况。

处理过后的格式情况如下：

这就给了我们去掉这些合并行的简便方法：dropna。

而用正则获取到的平台、商户、账号只有一行，需要对数据进行向下填充空值。而pandas中fillna(method="ffill")即可实现使用前值去填充下面空值的需求。最后，瑜亮老师出手，实现需求，代码如下：

importpandasaspd


#读取Excel文件
df=pd.read_excel("20230812.xlsx",header=None)

#去除重复行
df=df.drop_duplicates(ignore_index=False).reset_index(drop=True)

#根据正则表达式获取“账号”,“平台”，“商户”
df["账号"]=df[0].str.extract(r"账号：(\d+)",expand=False).fillna(method="ffill")
df["平台"]=df[0].str.extract(r"平台：(.*?)，",expand=False).fillna(method="ffill")
df["商户"]=df[0].str.extract(r"商户：(.*?)，",expand=False).fillna(method="ffill")

#去除含有空值的行（即excel中所有的合并行
df=df.dropna().reset_index(drop=True)

#设置df的列名
df.columns=["商品","单价","支付方式","销售地","销量","账号","平台","商户"]
df=df[["平台","商户","账号","商品","单价","支付方式","销售地","销量"]]
print(df)