问题标签 [data-munging]

我在记事本中有一个文件，其中包含以下文本：

我需要做的：在每个单词api之前，我需要在行尾插入{code:none}和插入。{code}例子：

将会：

第一部分很简单，我只需将api替换为Notepad++ 中的{code:none}api。最后一部分是我的问题。并非所有行都以相同的文本结尾......所以我需要找到一个正则表达式，它会{code}在每行的末尾插入它在某处找到单词api或其他方法......不确定这是否清楚，我可以尝试更好地解释，感谢您的帮助！

我有一个包含多个表的 csv，其中变量存储在行和列中。
关于这个 csv：

1. 我想从“宽”到“长”
2. 一个csv中有多个“数据框”
3. 每个“数据框”都有不同类型的变量

上面是我拥有的数据，下面是我想要的转换。

我在 R 中最舒服，但我正在练习 Python，所以任何方法都有效。

做了一些广泛的搜索，但找不到解决方案。我有一个看起来像这样的数据框：

我希望它看起来像这样：

有没有简单的方法在 dplyr 中使用 mutate() （可能与基础 R 结合）来实现这个目标？

任何支持将不胜感激。

我遇到了一个我感觉很多人都遇到过的数据问题。我目前有一个包含交易信息的数据集。根据 Transaction_Number，我会发现每个参与交易的人在他们身上花费了多长时间。

最终输出如下所示

现在我面临的问题是我缺少一列。我通过从数据库中查询并提取了一个名为“Product_Number”的字段来解决这个问题。我正在加入 Transaction_Number 上的两个表。这是问题出现的地方，第二个数据框名称 D 的 Transaction_Number 仅列出一次与 Product_Number 匹配。主数据框有多次出现的事务。因此，当我运行以下代码时，我的结果没有意义。基于 12K+ 的可能性仅输出 4 个匹配项。

我该怎么做才能找到正确的匹配项。我也尝试过左连接，任何类型的提示都会有所帮助。- 谢谢

我有 data.frame 看起来像这样：

我需要这些操作：

1. 根据V2if将 data.frame 分割成区间TRUE
2. 将是最后一个间隔元素V2的行TRUE
3. 如果最后一个元素不是TRUE，它将被视为是（这可以通过添加TRUE到最后一个向量位置来轻松实现）
4. 从创建的间隔打印V1为第一个和最后一个元素

完成此操作后，我的结果应如下所示：

我已经尝试过cumsum向量v2，但TRUE值被视为第一个间隔元素而不是最后一个

我正在处理 PDF 的文本层，并且需要进行一些小的更正...

我生成的整洁数据框有一个或两个数据值相差一行。我有错误定位值的“坐标”（由其他变量的组合定义），并且我有它们实际应该去的位置。我只需要将数据值从 A 移动到 B 并过滤掉 A 对应的行。例如：

改变这个：

进入这个：

我写了一些代码来实现这一点。但它似乎比它需要的要冗长得多。在这个例子中，这些函数似乎依赖于数据框的附带特征。我认为这可能是一项常见任务——这种任务有标准模式吗？或者至少是一种更优雅的方法？

我在下面有一个data.frame，我想“分块”时间段，以便对于每个company_id，它将时间段“折叠”到相隔三十天的时间段。

我尝试了以下方法：

问题是第 (1) 行和第 (2) 行的时间间隔应该合并为一个，因此 startDate = 2012-09-17 和 endDate = 2017-10-23 因为两者之间的时间不到三十天。

我正在寻找的输出是

我有一个看起来像这样的表：

我试图以“宽” df 结尾，其中每个 Group_Id 都有一个观察值，并且值/值计数按新近度的顺序转换为与它们各自时期相对应的列。所以最终的结果是这样的：

其中 Value_P0 是最近的值，Value_P1 是之后的下一个最近的值，Count 列的工作方式相同。

我尝试旋转表格，使 Group_IDs 是索引，Period Start 是列，Values 或 Counts 是相应的值。

这样，我将 Group_Ids 作为一条记录，但随后需要遍历许多列的每一行并提取非 NaN 值。他们的顺序将对应于最旧到最新。不过，这似乎是一种不正确的方法。

我还考虑过按 Group_Id 进行分组，并以某种方式创建与最近日期相对应的 timedelta。然后从此旋转/取消堆叠，以便列是 timedelta，值是 value 或 value_count。我不确定如何做到这一点。我很感激帮助。

假设我有以下数据框df1：

我想把它变成这样的数据框df2：

更确切地说：

• 按 分组A，即 columnA是索引并且在每一行中 的值A是唯一的

• 列B并C包含发生的值的聚合集。For A = "foo", Bwas 非此即彼"one"，"two"而 for "bar"it is only "two"。

  • 从逻辑上讲，这应该是一个集合，每个出现的值都恰好出现一次。它可能是 Python set，但我也在问最优雅的方式是用 pandas 来表示它

• 列D不包含集合，因为 forfoo D始终为 0，forbar始终为 1。如果索引值和列值之间始终存在 1:1 的关系，则该列不应包含集合。

我预计会有一个单线聚合 a la df1.groupby("A").aggregate_like_this()，但到目前为止我还没有找到它。

我有一个仅显示为一个变量的 CSV 文件。我想将其拆分为 6。我需要帮助。

上述代码行之后的结果是：

请帮助我将这些代码分成 6 个单独的列Article_ID, Date, Title, Subject, Topic, Code。