如果字符串行与列表匹配，则基于行重新移动特定列

Question

好的，这是我真正的数据帧，我想用list对特定值进行重塑。所以 我有这个数据框要重新塑造

[Out] = df

    Keterangan                                                       Q2 2019        Q2 2018
0   Kas                                                              22686796.0     27421625.0
1   Giro pada bank indonesia                                         68409507.0     71159442.0
2   Giro pada bank lain                                              15675129.0     12584938.0
3   Giro pada bank lain pihak ketiga                                 88548.0        92417.0
4   Giro pada bank lain pihak berelasi                               41391653.0     84668151.0
5   Penempatan pada bank indonesia dan bank lain                     1825890.0      2349900.0
6   Penempatan pada bank indonesia dan bank lain pihak ketiga        28443695.0     30264303.0
7   Penempatan pada bank indonesia dan bank lain pihak berelasi      144798482.0    154020507.0
8   Efek-efek yang diperdagangkan                                    -758.0        -758.0
9   Efek-efek yang diperdagangkan pihak ketiga                       24081797.0     9396553.
10  Efek-efek yang diperdagangkan pihak berelasi                     20253524.0     20584035.0
11  Cadangan kerugian penurunan nilai pada efek-efek                 2713267.0      6858655.0
12  Efek yang dibeli dengan janji dijual kembali                     7014696.0      10165310.0
13  Wesel ekspor dan tagihan lainnya                                 573030.0       1477693.0
14  Wesel ekspor dan tagihan lainnya pihak ketiga                    335008.0       485810.0
15  Wesel ekspor dan tagihan lainnya pihak berelasi                  748120507.0    709223043.0
16  Tagihan akseptasi                                                113999397.0    110787114.0
17  Tagihan akseptasi pihak ketiga                                   -38848157.0    -35017982.0
18  Tagihan akseptasi pihak berelasi                                 NaN            NaN
19  Tagihan derivatif                                                NaN            NaN
20  Tagihan derivatif pihak ketiga                                   NaN            NaN
21  Pinjaman yang diberikan                                          NaN            NaN
22  Pinjaman yang diberikan pihak ketiga                             NaN            NaN
23  Pinjaman yang diberikan pihak berelasi                           NaN            NaN
24  Cadangan kerugian                                                NaN            NaN

我想用我以前拥有的特定列表来重塑它，这是我的列表

my_list = ['Giro pada bank lain', 'Penempatan pada bank indonesia dan bank lain', 'Efek-efek yang diperdagangkan', 'Wesel ekspor dan tagihan lainnya', 'Tagihan akseptasi', 'Tagihan derivatif', 'Pinjaman yang diberikan']

所以，如果列['Keterangan']上的字符串contain与列表中的项目字符串匹配，它将改变特定列[2019年第2季度]和[2018年第2季度]的形状，使其向下移动。这里是我想要的数据帧

    [Out] : df1
    Keterangan                                                           Q2 2019        Q2 2018
0   Kas                                                              22686796.0     27421625.0
1   Giro pada bank indonesia                                         68409507.0     71159442.0
2   Giro pada bank lain                                              Nan            Nan
3   Giro pada bank lain pihak ketiga                                 15675129.0     12584938.0
4   Giro pada bank lain pihak berelasi                               88548.0        92417.0
5   Penempatan pada bank indonesia dan bank lain                     Nan            Nan
6   Penempatan pada bank indonesia dan bank lain pihak ketiga        41391653.0     84668151.0
7   Penempatan pada bank indonesia dan bank lain pihak berelasi      1825890.0      2349900.0
8   Efek-efek yang diperdagangkan                                    Nan            Nan
9   Efek-efek yang diperdagangkan pihak ketiga                       28443695.0     30264303.0
10  Efek-efek yang diperdagangkan pihak berelasi                     144798482.0    154020507.0
11  Cadangan kerugian penurunan nilai pada efek-efek                 -758.0        -758.0
12  Efek yang dibeli dengan janji dijual kembali                     24081797.0     9396553
13  Wesel ekspor dan tagihan lainnya                                 Nan            Nan
14  Wesel ekspor dan tagihan lainnya pihak ketiga                    20253524.0     20584035.0
15  Wesel ekspor dan tagihan lainnya pihak berelasi                  2713267.0      6858655.0
16  Tagihan akseptasi                                                Nan            Nan
17  Tagihan akseptasi pihak ketiga                                   7014696.0      10165310.0
18  Tagihan akseptasi pihak berelasi                                 573030.0       1477693.0
19  Tagihan derivatif                                                NaN            NaN
20  Tagihan derivatif pihak ketiga                                   335008.0       485810.0
21  Pinjaman yang diberikan                                          NaN            NaN
22  Pinjaman yang diberikan pihak ketiga                             748120507.0    709223043.0
23  Pinjaman yang diberikan pihak berelasi                           113999397.0    110787114.0
24  Cadangan kerugian                                                -38848157.0    -35017982.0

我必须尝试一些代码来重塑它，将df.index移到另一列，并将列['Keterangan']切换为索引

match = df['Keterangan'].str.fullmatch('|'.join(entry for entry in my_list))
df['shift'] = match.cumsum()
df['index'] = df.index
df.set_index('Keterangan', drop=True, inplace=True)

和它的工作，使转移和开关指数

                                                            Q2 2019     Q2 2018   shift index
Keterangan              
Kas                                                         22686796.0  27421625.0  0     0
Giro pada bank indonesia                                    68409507.0  71159442.0  0     1
Giro pada bank lain                                         15675129.0  12584938.0  1     2
Giro pada bank lain pihak ketiga                            88548.0     92417.0     1     3
Giro pada bank lain pihak berelasi                          41391653.0  84668151.0  1     4
Penempatan pada bank indonesia dan bank lain                1825890.0   2349900.0   2     5
Penempatan pada bank indonesia dan bank lain pihak ketiga   28443695.0  30264303.0  2     6
Penempatan pada bank indonesia dan bank lain pihak berelasi 144798482.0 154020507.0 2     7
Efek-efek yang diperdagangkan                               -758.0      -758.0      3     8
Efek-efek yang diperdagangkan pihak ketiga                  24081797.0  9396553.0   3     9
Efek-efek yang diperdagangkan pihak berelasi                20253524.0  20584035.0  3     10
Cadangan kerugian penurunan nilai pada efek-efek yang       2713267.0   6858655.0   3     11
Efek yang dibeli dengan janji dijual kembali                7014696.0   10165310.0  3     12
Wesel ekspor dan tagihan lainnya                            573030.0    1477693.0   4     13
Wesel ekspor dan tagihan lainnya pihak ketiga               335008.0    485810.0    4     14
Wesel ekspor dan tagihan lainnya pihak berelasi             748120507.0 709223043.0 4     15
Tagihan akseptasi                                           113999397.0 110787114.0 5     16
Tagihan akseptasi pihak ketiga                              -38848157.0 -35017982.0 5     17
Tagihan akseptasi pihak berelasi                            NaN         NaN         5     18
Tagihan derivatif                                           NaN         NaN         6     19
Tagihan derivatif pihak ketiga                              NaN         NaN         6     20
Pinjaman yang diberikan                                     NaN         NaN         7     21
Pinjaman yang diberikan pihak ketiga                        NaN         NaN         7     22
Pinjaman yang diberikan pihak berelasi                      NaN         NaN         7     23
Cadangan kerugian                                           NaN         NaN         7     24

接下来，我想要一个执行最后一个代码来重新移位列

df = df.apply(lambda row: df.shift(row.at['shift']).iloc[row.at['index']], 
axis='columns')
df[list(match)] = np.nan

但是，它出现了一个问题。。它是这样说的。但是，我已经检查了df['index']类型是否为int64。为什么本栏不能应用iloc

TypeError                                 Traceback (most recent call last)
<ipython-input-67-0f4a937e0002> in <module>()
----> 1 df = df.apply(lambda row: df.shift(row.at['shift']).iloc[row.at['index']], 
axis='columns')
2 df[list(match)] = np.nan
/usr/local/lib/python3.6/dist-packages/pandas/core/indexing.py in _getitem_axis(self, key, axis)
1491             key = item_from_zerodim(key)
1492             if not is_integer(key):
-> 1493                 raise TypeError("Cannot index by location index with a non-integer key")
1494 
1495             # validate the location
TypeError: Cannot index by location index with a non-integer key

如何解决问题并获得我希望的df1？有人能解决吗

Answer 1

我现在明白是什么导致了问题。如果你看看结果

match = df['Keterangan'].str.fullmatch('|'.join(entry for entry in my_list))
df['shift'] = match.cumsum()
df['index'] = df.index
columns = df.columns
df = df.apply(lambda row: print(row), axis='columns')

你会看到类似的东西

Q2 2019    22686796.0
Q2 2018    27421625.0
shift             0.0
index             0.0
Name: Kas, dtype: float64

Q2 2019    68409507.0
Q2 2018    71159442.0
shift             0.0
index             1.0
Name: Giro pada bank indonesia, dtype: float64

Q2 2019    15675129.0
Q2 2018    12584938.0
shift             1.0
index             2.0
Name: Giro pada bank lain, dtype: float64
...

这些行是一个统一类型的系列，这里是float64

从documentation开始：

Objects passed to the function are Series objects ...

还有一些问题。看看这些简单的例子

df = pd.DataFrame({'A': [1, 2], 'B': [1., 2.]})
print(df.iloc[0], 'w')

df = pd.DataFrame({'A': ['a', 'b'], 'B': [1., 2.]})
print(df.iloc[0])

您将看到以下输出

A    1.0
B    1.0
Name: 0, dtype: float64

A    a
B    1
Name: 0, dtype: object

两者都是系列。在第一个例子中，Pandas看到所有类型都是数值的，因此它选择了最好的数值类型来容纳这两个值的类型，即float。在第二种情况下，由于字符串的缘故，Pandas选择了object，这几乎可以容纳所有类型

在来自other question的数据帧中，2中有一个字符串。三,。列（'Nan'，它不是NaN！），它导致类型object，在下面的例子中还导致apply中row变量中的类型object。这里的数据帧在2中有tpyefloat。三,。列（NaN的类型是float），因此也是row变量中的float。这就是为什么原始代码适用于第一个示例，但不适用于这里。（至少我是这么想的，我可能错了。）

我已经相应地调整了suggestion中的代码（intcasts）