0

Me gustaría renombrar el encabezado de algunos archivos y hacer la suma de las columnas que eventualmente se agruparían. En efecto, tengo un archivo con nombres, resultados y extra metadatas, y otro archivo que mapea entre los nombres de los encabezados y los nombres deseados. Por ejemplo, aquí está una parte del archivo de datos :

TEXT,# 1 - A, # 12 - B,# 13 - C,# 3 - D
a,         1,        1,       1,      2
b,         1,        1,       1,      2
c,         1,        1,       1,      2
d,         1,        1,       1,      2

y el otro archivo mapping.csv que mapea entre los nombres de los archivos, pero menos # numero -, y los nombres deseados

old,new
A,A
B,A
C,A
D,D
E,D
F,D
G,G
H,G
I,G

Me gustaria obtener :

TEXT,      A,      D
a,         3,      2
b,         3,      2
c,         3,      2
d,         3,      2

También tengo otro archivo con mapeo parcial pero no completo como..:

old,     new
# 1 - A,   A
# 12 - B,  A
C,         A

As one can see the names in the header won't exactly match the old column but might rather be included. Indeed, they all have a # number - NAME pattern before in aggregate.csv file whereas they only have NAME in the mapping.csv.

Por el momento lo intenté:

file = 'mapping.csv'
dictionary = pd.read_csv(file)

header_map = dictionary.set_index("old").to_dict()["new"]

df = pd.read_csv("aggregate.csv")
df = df.rename(columns in header_map)

Como las columnas no son exactamente iguales, ¿cómo puedo añadir cuando hay los mismos nombres en el diccionario?

Así que lo intenté:

import csv 
import pandas as pd

file = pd.read_csv('mapping.csv')

df = pd.read_csv("aggregate.csv")

for column in range(0,len(df.columns)):
     for line in range(0,len(file.index)):
        if file.iloc(line,1) in df.iloc(1,column):
            df.iloc(1,column) = file.iloc(line,2)

Pero devuelve :

  File "<ipython-input-35-42dc8c6bc966>", line 15
    df.iloc(1,column) = file.iloc(line,2)
    ^
SyntaxError: can't assign to function call
1
  • Hola, he leído tu pregunta varias veces pero no logro comprender qué quieres hacer. Si pudieras explicar un poco más o poner un ejemplo con datos más simplificados (tal vez con nombres de columnas cortos) podria ser mas claro. Commented el 9 oct. 2019 a las 9:45

1 respuesta 1

2

Si he entendido bien tu pregunta, esto te puede servir. He creado un ejemplo simplificado:

Con el archivo de datos (data.csv):

TEXT,#1 - A,#12 - B,#21 - C,#2 - D,#23 - E,#13 - F,#3 - G,#14 - H,#24 - I
a,1,1,1,2,2,2,3,3,3
b,1,1,1,2,2,2,3,3,3
c,1,1,1,2,2,2,3,3,3
d,1,1,1,2,2,2,3,3,3
e,1,1,1,2,2,2,3,3,3
f,1,1,1,2,2,2,3,3,3
g,1,1,1,2,2,2,3,3,3
h,1,1,1,2,2,2,3,3,3
i,1,1,1,2,2,2,3,3,3
j,1,1,1,2,2,2,3,3,3

y el archivo de mapeo (map.csv):

old,new
A,A
B,A
C,A
D,D
E,D
F,D
G,G
H,G
I,G

Se necesita primero eliminar el patron "#X - " de las columnas. Luego reemplazar los nombres de las columnas en el archivo de datos según el mapeo del archivo map.csv, y luego agrupar y sumar las columnas con el mismo nombre.

import pandas as pd

file = 'map.csv'
dictionary = pd.read_csv(file)

header_map = dictionary.set_index("old").to_dict()["new"]

df = pd.read_csv("data.csv")
# Renombra eliminando el patron '#X - '
df = df.rename(columns=lambda x: re.sub(r'#[0-9]* - (.*)',r'\1',x))
# Usa el archivo de mapeo para renombrar
df = df.rename(columns = header_map)

df_sum = df.T.reset_index().groupby("index").sum().T    
df_sum

Con el código anterior, el resultado sería:

index  A  D  G TEXT
0      3  6  9    a
1      3  6  9    b
2      3  6  9    c
3      3  6  9    d
4      3  6  9    e
5      3  6  9    f
6      3  6  9    g
7      3  6  9    h
8      3  6  9    i
9      3  6  9    j

Espero que esto te ayude. Saludos.

9
  • Muchas gracias ! Como hacerlo si no tengo TEXT,A,B,... pero TEXT, #1 - A, #12 - B, ... ? Commented el 9 oct. 2019 a las 10:57
  • Lo he probado con el encabezado TEXT, #1 - A, #12 - B, #21 - C,D,E,F,G,H,I y ajustando el mapeo, y funcionó igual. Commented el 9 oct. 2019 a las 11:22
  • Entonces #1 - A coincide con A por ejemplo ? Commented el 9 oct. 2019 a las 11:36
  • A qué te refieres con "coincide"? He actualizado la pregunta con esta ultima modificación Commented el 9 oct. 2019 a las 11:46
  • 1
    gracias, pido perdón si no fue claro Commented el 9 oct. 2019 a las 13:53

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.