从 Python 中的多个列中删除相同的元素

Question

我正在使用 Python，并且我有一堆添加了一些符号的列。

因此，如果一列曾经是“A”，现在它会显示“('A', '')”。所以我需要删除（'和'，''）。一些变量（更准确地说是 400）应该被称为“1 A”，但被称为“（'A'，1）”。所以对于这些我需要删除 (' and ', ) 并将数字移动到 A 的前面。它们在 pivot_table 命令之后变成了这样。

所以我需要从前到后：

data_before = {"('A', '')" : ['a', 'b', 'c'],
               "('B', '')" : ['p', 'o', 'n'],
               "('C', 1)"  : [1, 1, 1], 
               "('C', 2)"  : [1, 2, 1], 
               "('D', 1)"  : [1, 2, 4],
               "('D', 2)"  : [1, 5, 3]}

df = pd.DataFrame(data=data_before)

data_after = {'A'    : ['a', 'b', 'c'],
              'B'    : ['p', 'o', 'n'],
              '1 C'  : [1, 1, 1], 
              '2 C'  : [1, 2, 1], 
              '1 D'  : [1, 2, 4],
              '2 D'  : [1, 5, 3]}

df_2 = pd.DataFrame(data=data_after)

请记住，有 42 个变量看起来像 C 和 D，每个变量从 1 到 10（不仅仅是 2），所以有 420 列。我不想手动写下它们中的每一个来更改名称。只有前 3 个变量看起来像 A 和 B。（总共 423 列）。

更新以容纳更多字母和数字。所以 1 C, 2 C... 10 C 和 1 Z, 2 Z ... 10 Z。

data_before = {"('A', '')" : ['a', 'b', 'c'],
               "('B', '')" : ['p', 'o', 'n'],
               "('C', 1)"  : [1, 1, 1], 
               "('C', 2)"  : [1, 2, 1], 
               "('C', 3)"  : [3, 2, 1], 
               "('D', 1)"  : [1, 2, 3],
               "('D', 2)"  : [1, 2, 3],
               "('D', 3)"  : [1, 2, 3],
               "('E', 1)"  : [1, 1, 1], 
               "('E', 2)"  : [1, 2, 1], 
               "('E', 3)"  : [3, 2, 1]}

df = pd.DataFrame(data=data_before)

data_after = {'A'    : ['a', 'b', 'c'],
              'B'    : ['p', 'o', 'n'],
              '1 C'  : [1, 1, 1], 
              '2 C'  : [1, 2, 1], 
              '3 C'  : [3, 2, 1], 
              '1 D'  : [1, 2, 3], 
              '2 D'  : [1, 2, 3],
              '3 D'  : [1, 2, 3]
              '1 E'  : [1, 1, 1], 
              '2 E'  : [1, 2, 1],
              '3 E'  : [3, 2, 1]}

df_2 = pd.DataFrame(data=data_after)

这个命令：

df.columns = [f'{b} {a}'.strip() for a, b in df.columns]

返回：

ValueError: too many values to unpack (expected 2)

Answer 1

如果有元组或MultiIndex 可以使用f-strings 和strip：

data_before = {('A', '') : ['a', 'b', 'c'],
               ('B', '') : ['p', 'o', 'n'],
               ('C', 1) : [1, 1, 1], 
               ('C', 2)  : [1, 2, 1], 
               ('D', 1)  : [1, 2, np.NaN],
               ('D', 2)  : [1, np.NaN, 3]}

df = pd.DataFrame(data=data_before)

df.columns = [f'{b} {a}'.strip() for a, b in df.columns]
print (df)
   A  B  1 C  2 C  1 D  2 D
0  a  p    1    1  1.0  1.0
1  b  o    1    2  2.0  NaN
2  c  n    1    1  NaN  3.0

编辑：

import ast

df.columns = [f'{b} {a}'.strip() for a, b in df.columns.map(ast.literal_eval)]

print (df)
   A  B  1 C  2 C  3 C  1 D  2 D  3 D  1 E  2 E  3 E
0  a  p    1    1    3    1    1    1    1    1    3
1  b  o    1    2    2    2    2    2    1    2    2
2  c  n    1    1    1    3    3    3    1    1    1

Answer 2

您只需先删除所有无用的字符，然后拆分和反转字符串。

import re 
df.columns = [" ".join(reversed(re.sub(r"\)|\(|'|,", "", x).split()))
              for x in df.columns]