重新格式化从 Pandas 中的 excel 文件导入的数据

Question

我正在尝试从 Excel 文件中导入数据。数据通过文件中的几个电子表格排列。数据如下所示：

工作表1：

名称值 pvalues
面包 3 0.001
牛奶 2 0.003
鸡蛋 1 0.001

工作表2：

名称值 pvalues
面包 6 0.002
奶酪 2 0.003
沙拉 11 0.0001

我想获得数据框的最终结构：

名称 Values_sheet1 Values_sheet2
面包 3 6
牛奶 2 0
鸡蛋 1 0
奶酪 0 4
沙拉 0 11

• 如何合并“名称”列，以便一次性拥有所有名称并跟踪其他列中的相应数据？

借助文档和其他帖子，我可以做到以下几点：

import pandas as pd

input_handle = pd.ExcelFile('file.xls')

#get a dictionnary with all the sheets as keys and their data as values
dfs = {sheet_name : input_handle.parse(sheet_name) for sheet_name in input_handle.sheet_names}

#Keep track of the Sheet names
SheetNames = []
for i in dfs.keys:
    SheetNames.append(i)

#Get new dataframe with merged data from each spreadsheet
New_df = [pd.merge(dfs[name], dfs[name], on='Names') for name in SheetNames]

我的代码中的最后一行不起作用...在合并 2 个电子表格时，我设法让 pd.merge 工作，但它只返回两个电子表格中的共同值并丢弃其余的...

• 是否也可以跟踪每个值的 pvalue ？

非常感谢您的任何见解或帮助！

Answer 1

由于values 列很可能会被读取为 DataFrame 中的系列，所以这里有一个可以帮助您的示例：（注意，为简洁起见，我省略了 pvalues 列）。

sheet1 = pd.Series([3,2,1], index=['Bread', 'Milk', 'Eggs'], name='Values_sheet1')
sheet2 = pd.Series([6,2,11], index=['Bread', 'Cheese', 'Salad'], name='Values_sheet2')

# concatenate the two series and fill in the missing data with zeros
result = pd.concat([sheet1,sheet2], axis=1).fillna(0)

print result

应该显示为：

        Values_sheet1  Values_sheet2
Bread               3              6
Cheese              0              2
Eggs                1              0
Milk                2              0
Salad               0             11

此外，在您的代码示例中，您的最终结果集有这一行：

Cheese    0             4 

我猜4 是错字，因为它应该是2，就像在 sheet2 的这一行中一样：

Cheese    2    0.003 

希望对您有所帮助。