A ver si lo entendí correctamente. Tenemos un dataframe con una sola columna "Data", en la que aparecen mezcladas filas con números y otras con texto, que actúa a modo de titulo de los números que van después. Así:
>>> print(df)
Data
0 Product1
1 1234
2 5678
3 Product2
4 8910
5 1112
6 Product3
7 1314
8 1516
Lo que quieres es extraer a qué producto pertenece cada número, de modo que podamos construir otro dataframe en la que una columna "Data" tenga solo los números, y haya otra columna "Product" que tenga el nombre del producto. Lo de tener una columna adicional con el "Value" sería más sencillo una vez tenemos identificado el producto.
Lo más complicado es lo de sacar el nombre del producto, ya que eso implica una interrelación entre las filas de df
, puesto que un nombre como Product1
afecta a todos los números que le siguen, hasta que aparezca otro nombre como Product2
.
Después de darle unas cuantas vueltas, no se me ha ocurrido una solución mejor que la siguiente. No me gusta porque es confusa y farragosa, y porque tengo la sensación de que tiene que haber una forma más sencilla, pero al menos funciona. Se trata de:
- Usar
groupby()
para agrupar todas las filas de df
que tengan un criterio común, en este caso referirse a un mismo producto. Para ello usaré la capacidad que tiene groupbuy()
de admitir como parámetro una función, a la que llamará pasándole cada valor del index y usando el valor retornado por esta para agrupar. Usaré esta función para retornar el mismo valor mientras no cambie el nombre del producto.
- Usar
apply()
para aplicar otra función a cada grupo. En este caso la función recibirá un Series
con los datos del grupo, y retornará como resultado otro dataframe que construiré mediante un diccionario que especificará las tres columnas que voy a poner en el datagrama resultante. Una columna será el nombre del producto (que es el primer elemento del grupo), otra con los datos (que son los restantes elementos del grupo) y otra con el valor (que obtengo de otro dataframe, df2
que sería como el que has mostrado en la pregunta).
Este es el código:
anterior = None
def agrupar(ind):
global anterior
if ind.startswith("Product") and ind != anterior:
anterior = ind
return anterior
def sacar_dict(fila):
product = fila.values[0]
return pd.DataFrame({ "Product": product, "Data": fila.values[1:], "Value": df2.loc[product].Value})
grupos = df.set_index("Data", drop=False).groupby(agrupar)
resultado = grupos.Data.apply(sacar_dict).reset_index(drop=True)
Resultado:
Data Product Value
0 1234 Product1 1
1 5678 Product1 1
2 8910 Product2 2
3 1112 Product2 2
4 1314 Product3 3
5 1516 Product3 3
Data
¿es el nombre de una variable que contiene los datos o es el título de alguna columna o índice?Product1
,Product2
... ¿son nombres de columnas? Si es así ¿por qué los has puesto unos debajo de otros en lugar de en forma de tabla? Si no es así ¿Qué son? ¿Son valores de algunas filas que están actuando como si fueran un título de lo que va luego?