2012-08-27 32 views
7

Ho dati di input in un file appiattito. Voglio normalizzare questi dati, dividendoli in tabelle. Posso farlo esattamente con pandas - ovvero, leggendo i dati appiattiti in un'istanza DataFrame e quindi applicando alcune funzioni per ottenere le istanze risultanti DataFrame?panda: normalizzare un DataFrame

Esempio:

dati è dato a me su disco sotto forma di un file CSV come questo:

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 

voglio creare due DataFrames:

ItemId ItemDescription 
1  scroll of Sneak 
2  scroll of Invisibile 

e

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

Se pandas ha solo una buona soluzione per il caso più semplice (la normalizzazione risulta in 2 tabelle con relazione molti-a-uno - proprio come nell'esempio sopra), potrebbe essere sufficiente per le mie esigenze attuali. Potrei aver bisogno di una soluzione più generale in futuro, comunque.

risposta

9
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