如何将多个来源的网站列合并为单一列并保留其他字段信息

星辰大大_6251

星辰大大_6251

2026-08-15

627人浏览

原创

如何将多个来源的网站列合并为单一列并保留其他字段信息

本文介绍使用 pandas 的 melt() 方法将多个同质网站来源列(如 source1site、source2site、source3site)高效合并为一列 mergesourcesite,同时完整保留 companyname、city 等关联字段,并自动去重、清理空值、重排索引。

本文介绍使用 pandas 的 melt() 方法将多个同质网站来源列(如 source1site、source2site、source3site)高效合并为一列 mergesourcesite,同时完整保留 companyname、city 等关联字段,并自动去重、清理空值、重排索引。

在数据整合场景中,常需将来自不同渠道但语义相同的多列(如多个来源的网站域名)“堆叠”为单列,同时保持原始记录的上下文完整性(如公司名、城市等)。直接使用 fillna() 或 combine_first() 无法满足“一源一行”的展开需求;而 melt() 正是为此类宽表→长表转换设计的核心方法。

以下为完整实现步骤(基于 pandas 2.0+):

import pandas as pd
import numpy as np

# 示例数据构建(注意:原始 NaN 应为 pd.NA 或 np.nan)
df = pd.DataFrame({
    "index": [1, 2, 3, 4, 5, 6, 7],
    "CompanyName": ["Comp1", "Comp1", "Comp2", "Comp2", "Comp3", "Comp4", "Comp5"],
    "Source1site": ["web1.com", "Web2.com", np.nan, "site2.com", np.nan, np.nan, np.nan],
    "Source2site": [np.nan, "web2.com", "site1.com", np.nan, np.nan, "url1.com", "example.com"],
    "Source3site": ["web2.com", np.nan, np.nan, np.nan, np.nan, np.nan, np.nan],
    "City": ["Paris", np.nan, "Oakland", "London", "Mexico", np.nan, "New York"]
})

# 1. 使用 melt 展开来源列:保留 index/CompanyName/City 为标识变量,合并三个 source 列
merged_sources = df.melt(
    id_vars=["index", "CompanyName", "City"],
    value_vars=["Source1site", "Source2site", "Source3site"],
    var_name="source_origin",  # 可选:保留来源标识(本例中可删)
    value_name="MergeSourceSite"
)

# 2. 过滤掉空值(仅保留有效域名)
merged_sources = merged_sources.dropna(subset=["MergeSourceSite"])

# 3. 删除冗余列(source_origin),去重并重置索引
merged_sources = (
    merged_sources
    .drop(columns="source_origin")
    .drop_duplicates()
    .reset_index(drop=True)
)

# 4. 按原始 index 排序,确保逻辑顺序清晰(可选,增强可读性)
merged_sources = merged_sources.sort_values(by="index").reset_index(drop=True)

print(merged_sources)

输出结果:

   index CompanyName       City MergeSourceSite
0    1       Comp1      Paris        web1.com
1    1       Comp1      Paris        web2.com
2    2       Comp1        NaN        Web2.com
3    2       Comp1        NaN        web2.com
4    3       Comp2    Oakland     site1.com
5    4       Comp2     London     site2.com
6    6       Comp4        NaN      url1.com
7    7       Comp5 New York  example.com

⚠️ 注意事项:

  • 原始数据中的 "Nan" 字符串需替换为真正的 np.nan 或 pd.NA,否则 dropna() 不生效;建议加载时用 na_values=["Nan", "nan", ""] 显式声明缺失值标识。
  • 若需统一域名格式(如小写、去除协议头),可在 dropna() 后添加清洗步骤:
    merged_sources["MergeSourceSite"] = (
        merged_sources["MergeSourceSite"]
        .str.lower()
        .str.replace(r"^https?://|www\.", "", regex=True)
    )
  • drop_duplicates() 防止同一公司同一城市下重复域名被多次保留;若业务允许重复(如记录采集次数),则可省略该步。

该方案简洁、可扩展性强——新增 Source4site 列时,只需将其加入 value_vars 列表即可,无需修改逻辑结构。

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
Python爬虫获取数据的方法
Python爬虫获取数据的方法

Python爬虫可以通过请求库发送HTTP请求、解析库解析HTML、正则表达式提取数据,或使用数据抓取框架来获取数据。更多关于Python爬虫相关知识。详情阅读本专题下面的文章。php中文网欢迎大家前来学习。

2023.11.13

713

12

Python 时间序列分析与预测
Python 时间序列分析与预测

本专题专注讲解 Python 在时间序列数据处理与预测建模中的实战技巧,涵盖时间索引处理、周期性与趋势分解、平稳性检测、ARIMA/SARIMA 模型构建、预测误差评估,以及基于实际业务场景的时间序列项目实操,帮助学习者掌握从数据预处理到模型预测的完整时序分析能力。

2025.12.04

360

15

Python 数据清洗与预处理实战
Python 数据清洗与预处理实战

本专题系统讲解 Python 在数据清洗与预处理中的核心技术,包括使用 Pandas 进行缺失值处理、异常值检测、数据格式化、特征工程与数据转换,结合 NumPy 高效处理大规模数据。通过实战案例,帮助学习者掌握 如何处理混乱、不完整数据,为后续数据分析与机器学习模型训练打下坚实基础。

2026.01.31

292

21

Python数据分析与Pandas高级实战
Python数据分析与Pandas高级实战

本专题围绕 Python 数据分析展开,系统讲解 Pandas 的高级用法,包括数据清洗、透视表、时间序列分析以及多表合并与分组操作。通过实战案例,帮助开发者掌握高效处理与分析数据的方法,提高数据处理效率与分析能力。

2026.04.13

1011

25

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

2026.11.17

0

15

GoFrame框架安装与gf命令行工具
GoFrame框架安装与gf命令行工具

本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。

2026.11.17

0

15

GoFrame框架零基础入门
GoFrame框架零基础入门

本专题整理GoFrame框架的入门知识,从模块化设计理念、环境准备到跑通第一个Web服务,讲清目录分层、配置加载、日志与中间件的用法,并对比Gin、Go-Zero的差异,帮助Go开发者建立整体认知。

2026.11.17

0

15

SQLAlchemy 一对多关系怎么建立
SQLAlchemy 一对多关系怎么建立

SQLAlchemy 一对多关系怎么建立?本专题整理父子表外键、relationship 双向映射、关联查询、级联删除和加载优化等相关文章,帮助你理解并实现常见的 ORM 关系建模。

2026.11.17

0

10

SQLAlchemy 如何增删改查
SQLAlchemy 如何增删改查

SQLAlchemy 如何增删改查?本专题整理 ORM 新增记录、条件查询、更新和删除、Session 事务提交与批量处理等实用文章,帮助你掌握 Python 数据库操作流程。

2026.11.17

0

11

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习