第七色在线视频,2021少妇久久久久久久久久,亚洲欧洲精品成人久久av18,亚洲国产精品特色大片观看完整版,孙宇晨将参加特朗普的晚宴

為了賬號(hào)安全,請(qǐng)及時(shí)綁定郵箱和手機(jī)立即綁定
已解決430363個(gè)問題,去搜搜看,總會(huì)有你想問的

每隔第二行和第三行移動(dòng)到第一行的末尾

每隔第二行和第三行移動(dòng)到第一行的末尾

溫溫醬 2023-06-20 13:30:17
我不太確定如何解釋這個(gè),但我有一個(gè)沒有標(biāo)題的電子表格,我把它拉進(jìn)了 python,并且與每個(gè)唯一 ID 相關(guān)的數(shù)據(jù)被分組為三行,所以此時(shí)的列并不真正意味著閱讀任何內(nèi)容,直到它“變平”為止。格式是一致的,但我很難弄清楚我需要搜索什么才能獲得我正在尋找的輸出。如果這是在 Excel 中,我基本上會(huì)復(fù)制第 1 行右側(cè)的第二行和第三行,然后刪除第 2 行和第 3 行并重復(fù),直到我到達(dá)工作表的底部。這就是我接收數(shù)據(jù)的方式id1 criteria1   criteria2   criteria3criteria4   criteria5   criteria6   criteria7criteria8   criteria9   criteria10  criteria11id2 criteria1   criteria2   criteria3criteria4   criteria5   criteria6   criteria7criteria8   criteria9   criteria10  criteria11id3 criteria1   criteria2   criteria3criteria4   criteria5   criteria6   criteria7criteria8   criteria9   criteria10  criteria11這就是我想要實(shí)現(xiàn)的目標(biāo)id1 criteria1   criteria2   criteria3   criteria4   criteria5   criteria6   criteria7   criteria8   criteria9   criteria10  criteria11id2 criteria1   criteria2   criteria3   criteria4   criteria5   criteria6   criteria7   criteria8   criteria9   criteria10  criteria11id3 criteria1   criteria2   criteria3   criteria4   criteria5   criteria6   criteria7   criteria8   criteria9   criteria10  criteria11
查看完整描述

1 回答

?
慕婉清6462132

TA貢獻(xiàn)1804條經(jīng)驗(yàn) 獲得超2個(gè)贊

看看這是否能讓你走上正確的軌道。 警告:鑒于源數(shù)據(jù)的模糊性(如評(píng)論中所述),很難提供完整的解決方案……但請(qǐng)?jiān)囈辉嚒?/p>


使用您的示例輸入,我將其轉(zhuǎn)換為一個(gè)簡(jiǎn)單的 CSV 文件。


輸入 CSV:

id1,criteria1,criteria2,criteria3

criteria4,criteria5,criteria6,criteria7

criteria8,criteria9,criteria10,criteria11

id2,criteria1,criteria2,criteria3

criteria4,criteria5,criteria6,criteria7

criteria8,criteria9,criteria10,criteria11

id3,criteria1,criteria2,criteria3

criteria4,criteria5,criteria6,criteria7

criteria8,criteria9,criteria10,criteria11

轉(zhuǎn)換:

[3, 12]注意:(或)的重塑值[rows, columns]將需要根據(jù)輸入數(shù)據(jù)的形狀進(jìn)行修改。


import pandas as pd


array = pd.read_csv('folded.csv', header=None).to_numpy().reshape([3, 12])

pd.DataFrame(array).to_csv('unfolded.csv', index=False, header=False)

輸出 CSV:

id1,criteria1,criteria2,criteria3,criteria4,criteria5,criteria6,criteria7,criteria8,criteria9,criteria10,criteria11

id2,criteria1,criteria2,criteria3,criteria4,criteria5,criteria6,criteria7,criteria8,criteria9,criteria10,criteria11

id3,criteria1,criteria2,criteria3,criteria4,criteria5,criteria6,criteria7,criteria8,criteria9,criteria10,criteria11



查看完整回答
反對(duì) 回復(fù) 2023-06-20
  • 1 回答
  • 0 關(guān)注
  • 223 瀏覽
慕課專欄
更多

添加回答

舉報(bào)

0/150
提交
取消
微信客服

購(gòu)課補(bǔ)貼
聯(lián)系客服咨詢優(yōu)惠詳情

幫助反饋 APP下載

慕課網(wǎng)APP
您的移動(dòng)學(xué)習(xí)伙伴

公眾號(hào)

掃描二維碼
關(guān)注慕課網(wǎng)微信公眾號(hào)