pandas：规范化 DataFrame答案

【问题标题】：pandas: normalizing a DataFramepandas：规范化 DataFrame
【发布时间】：2012-08-21 20:22:15
【问题描述】：

我在一个平面文件中输入了数据。我想通过将其拆分为表格来规范化这些数据。我可以用pandas 巧妙地做到这一点吗？也就是说，通过将展平的数据读入DataFrame 实例，然后应用一些函数来获得生成的DataFrame 实例？

例子：

数据以 CSV 文件的形式在磁盘上提供给我，如下所示：

ItemId   ClientId   PriceQuoted  ItemDescription
1        1          10           scroll of Sneak
1        2          12           scroll of Sneak
1        3          13           scroll of Sneak
2        2          2500         scroll of Invisible
2        4          2200         scroll of Invisible

我想创建两个 DataFrame：

ItemId   ItemDescription
1        scroll of Sneak
2        scroll of Invisibile

和

ItemId   ClientId   PriceQuoted
1        1          10
1        2          12
1        3          13
2        2          2500
2        4          2200

如果pandas 仅对最简单的情况有一个很好的解决方案（规范化导致 2 个具有多对一关系的表 - 就像上面的示例一样），它可能足以满足我当前的需求。不过，我将来可能需要更通用的解决方案。

【问题讨论】：

标签： python pandas database-normalization

【解决方案1】：

In [30]: df = pandas.read_csv('foo1.csv', sep='[\s]{2,}')

In [30]: df
Out[30]:
   ItemId  ClientId  PriceQuoted      ItemDescription
0       1         1           10      scroll of Sneak
1       1         2           12      scroll of Sneak
2       1         3           13      scroll of Sneak
3       2         2         2500  scroll of Invisible
4       2         4         2200  scroll of Invisible

In [31]: df1 = df[['ItemId', 'ItemDescription']].drop_duplicates().set_index('ItemId')

In [32]: df1
Out[32]:
            ItemDescription
ItemId
1           scroll of Sneak
2       scroll of Invisible

In [33]: df2 = df[['ItemId', 'ClientId', 'PriceQuoted']]

In [34]: df2
Out[34]:
   ItemId  ClientId  PriceQuoted
0       1         1           10
1       1         2           12
2       1         3           13
3       2         2         2500
4       2         4         2200

【讨论】：