交换联系人导入的条件串联

Question

*CSV 包含虚假信息

Python on Kaggle w/ Pandas + Numpy

背景： 目标是导入/更新 Exchange 联系人。用户想要搜索学生的家长电子邮件。

输入（参见 CSV 屏幕截图）：

 - 'Student ID' column (7-digit number)
 - 'Parent ID' column (7-digit number)
 - 'Student First Name' column (str)
 - 'Student Last Name' column (str)
 - 'Parent First Name' column (str)
 - 'Parent Last Name' column (str)

所需输出（参见 CSV 屏幕截图）：

 - 'Contacts' column
 *'Contacts' column follows this pattern:
      - One Student: "studentLastName, studentFirstName (parentLastName, parentFirstName)"
      - Multiple Students: "studentLastName, student1FirstName, student2FirstName, & student3FirstName (parentLastName,> parentFirstName)"

假设：

• 使用学生/家长 ID 评估条件
  • 许多学生/监护人同姓且没有血缘关系
  • 许多学生有超过 2 名监护人
  • 许多学生不与一名或多名监护人同姓
  • 有些学生是法定姓氏不同的兄弟姐妹

#1。我尝试过：使用 if 语句嵌套 for 循环

for i in range(14):
    for j in range(14):
        if contacts.iloc[i]['parentID'] == contacts.iloc[j]['parentID'] and i!=j:
            hold = [contacts.iloc[i]['studentFirstName'], contacts.iloc[j]['studentFirstName']]
    print(hold)

#我所期待的：兄弟姐妹学生名字的元组列表，其中相应的

parentIDs

在不同行中匹配

#示例输出：

[[Uganda, Tiramisu], [Uganda, Tiramisu], [Ethernet, Persimmon], [Ethernet, Niagara], [Persimmon, Niagara]]

#我是 DataFrame 新手。我想像对待列表一样对待一切。

#2.我尝试过的：使用

numpy.where()

:

嵌套 for 循环

for i in range(14):
    for j in range(14):
        print(i, j)
        print(contacts.iloc[i]['parentID'], contacts.iloc[j]['parentID'])
        np.where(contacts.iloc[i]['parentID'] == contacts.iloc[j]['parentID'],
                    print(contacts.iloc[i]['studentFirstName'] + ' and ' + contacts.iloc[j]['studentFirstName']), print('1'))

#我期待什么：

student1FirstName

和

student2FirstName

，其中

parentIDs

匹配，否则

1

#我不懂广播，感觉那样和/或打印结果打破了这一点。

#考虑替代方案：

pd.agg(), pd.groupby(), lambda functions, list comprehension

#我是

Pandas/Numpy/Python

的初学者。在练习时，我用 for 循环思考更容易，然后尝试将它们转换为列表理解。看来有很多方法可以解决这个问题。

Answer 1

这是我对你的要求的理解：

import pandas as pd

data = {
    'Student ID': [1, 1, 4, 4, 4, 5, 5, 5, 9, 9, 10, 10, 22, 22],
    'Parent ID':  [2, 3, 6, 7, 8, 6, 7, 8, 3, 4, 3,  4,  3, 4],
    'Student First Name': ['Native', 'Native', 'Uganda', 'Uganda','Uganda','Tiramisu', 'Tiramisu', 'Tiramisu', 'Ethernet', 'Ethernet', 'Persimon', 'Persimon', 'Niagra', 'Niagra'],
    'Student Last Name': ['Americans', 'Americans', 'Socrates', 'Socrates','Socrates','Socrates', 'Socrates', 'Socrates', 'Regression', 'Regression', 'Regression', 'Regression', 'Regression', 'Regression'],
    'Parent First Name': ['Femur', 'Gigantic', 'USBC', 'Lei','Expo','USBC', 'Lei', 'Expo', 'Monitor', 'Isopropyl', 'Monitor', 'Isopropyl', 'Monitor', 'Isopropyl'],
    'Parent Last Name': ['Americans', 'Peanut', 'Socrates', 'Socrates','Socrates','Socrates', 'Socrates', 'Socrates', 'Chocolate Chips', 'Bits n Bits', 'Chocolate Chips', 'Bits n Bits', 'Chocolate Chips', 'Bits n Bits'],
    'parent_email': ['[email protected]', '[email protected]', '[email protected]', '[email protected]', '[email protected]', '[email protected]', '[email protected]', '[email protected]', '[email protected]', '[email protected]', '[email protected]', '[email protected]', '[email protected]', '[email protected]']
}

# Create DataFrame
df = pd.DataFrame(data)
print(df)

# Group parent emails by students
grouped_emails = df.groupby(['Student ID', 'Student First Name', 'Student Last Name'])['parent_email'].apply(list).reset_index()
grouped_emails.to_excel("grouped_emails.xlsx", index=False)

# Display grouped emails
print(grouped_emails)