数据清洗

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

求助大家，我有个数据是这样子的：

变量1  变量2  变量3  变量4          变量5
     a          b        c         d        公司名1；公司名2；公司名3（不一定是几个，可能是一个，可能是多个）
     e          f         g         h        公司名4；公司名5


大概就是这样的一个数据形式，我是希望把公司按照分号拆开，然后变量1-4相应地复制下来

变量1  变量2  变量3  变量4          变量5
     a          b        c         d        公司名1
     a          b        c         d        公司名2
     a          b        c         d        公司名3
     e          f         g         h       公司名4

     e          f         g         h       公司名5


求问需要什么样的代码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：求助大家 数据形式 公司名

用excel比较简单吧

qgmyysj 发表于 2024-8-12 14:45
用excel比较简单吧

数据太大了没法导出到excel

可以用split函數 還有用forvalues功能，假設前四個變量不會變(var1 var2 var3 var4) 公司變量為var5，看上面的說明以 ；字符切割
先將變量切割後，將切割好的ˊ資料重整為需求的欄位。 forvalues的數字需依照實際切割完的變數量進行調整

1. split var5 , p(；) // 以；符號進行分割，會自動建造var5 後綴序號1起的變數
   
2. drop var5 // 刪除原本公司欄位
   
3. 
   
4. **forvalues 依序逐一分割檔ˋ案
   
5. forvalues i=1/3 {
   
6.         preserve
   
7.         drop if var5`i'== ""
   
8.         keep var1-var4 var5`i'
   
9.         rename var5`i' var5
   
10.         save va`i',replace
    
11.         restore
    
12. }
    
13. 
    
14. use va1,clear
    
15. forvalues i=2/3 {
    
16.         append using va`i',force
    
17. }

复制代码

你可以使用Python的pandas库来处理这个问题。以下是一个示例代码：

```python
import pandas as pd

# 创建原始数据的DataFrame
data = {'变量1': ['a', 'e'],
        '变量2': ['b', 'f'],
        '变量3': ['c', 'g'],
        '变量4': ['d', 'h'],
        '变量5': ['公司名1；公司名2；公司名3', '公司名4；公司名5']}

df = pd.DataFrame(data)

# 使用str.split将'变量5'列中的字符串按照分号拆分成列表，然后用explode展开这个列表
df['变量5'] = df['变量5'].str.split('；')
df = df.explode('变量5')

# 显示处理后的数据
print(df)
```

这段代码会创建一个包含原始数据的DataFrame。接下来它会对'变量5'列中的字符串进行拆分，并将结果展开，以生成一个新的行对于每个公司名的结果。

当你运行这个代码时，你将会得到类似下面这样的输出：

```
    变量1 变量2 变量3 变量4       变量5
0      a     b     c     d  公司名1
0      a     b     c     d  公司名2
0      a     b     c     d  公司名3
1      e     f     g     h  公司名4
1      e     f     g     h  公司名5
```

然后你可以重置索引，以消除行前面的重复数字：

```python
df.reset_index(drop=True, inplace=True)
print(df)
```
这样你就可以得到没有重复索引的数据了。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用

gigh 发表于 2024-8-14 16:01
可以用split函數 還有用forvalues功能，假設前四個變量不會變(var1 var2 var3 var4) 公司變量為var5，看上 ...

非常感谢您，很有用！