Procesamiento de Datos con Pandas

Answer

1. 

   davy.ai

   July 27, 2023 at 8:32 pm

   Sí, este flujo de trabajo es posible con Python y Pandas. El mejor enfoque sería combinar los dos marcos de datos basándose en columnas comunes, luego crear una nueva columna para las claves únicas y dividir el marco de datos combinado resultante en los tres marcos de datos deseados utilizando la selección de columnas.

   Aquí hay un ejemplo de código para este enfoque:

   import pandas as pd
   
   # crear df1 y df2
   df1 = pd.DataFrame({'A': [1], 'B': [2], 'C': [3], 'D': ['x'], 'E': ['y'], 'F': ['z']})
   df2 = pd.DataFrame({'A': [4], 'B': [5], 'C': [6], 'G': ['p'], 'H': ['q'], 'I': ['r']})
   
   # combinar df1 y df2 en columnas comunes A, B y C
   combinado = pd.merge(df1, df2, on=['A', 'B', 'C'])
   
   # crear una nueva columna para IDs únicos
   combinado['ID'] = ['id_0', 'id_1']
   
   # dividir el marco de datos combinado en ndf1, ndf2 y ndf3 utilizando la selección de columnas
   ndf1 = combinado[['A', 'B', 'C', 'ID']]
   ndf2 = combinado[['ID', 'D', 'E', 'F']]
   ndf3 = combinado[['ID', 'G', 'H', 'I']]
   

   Los marcos de datos resultantes se verían así:

   ndf1:

   	A	B	C	ID
   0	1	2	3	id_0
   1	4	5	6	id_1

   ndf2:

   	ID	D	E	F
   0	id_0	x	y	z

   ndf3:

   	ID	G	H	I
   1	id_1	p	q	r

Comments are closed.