i have csv file contain following:
id flow testna 4 5 6 item_1 test_1 89 51 67 item_1 test_2 60 67 44 item_1 test_3 111 82 67 item_1 b test_1 88 78 75 item_1 b test_2 104 66 66 item_1 b test_3 109 87 49 item_2 test_1 76 76 88 item_2 test_2 59 44 60 item_2 test_3 91 72 59 item_2 b test_1 73 50 80 item_2 b test_2 107 75 67 item_2 b test_3 119 100 50 the header is: id flow testna 4 5 6
i want stack last 3 columns, data columns have following results:
id flow testna label data item_1 test_1 4 89 item_1 test_1 5 51 item_1 test_1 6 67 item_1 test_2 4 60 item_1 test_2 5 67 item_1 test_2 6 44 item_1 test_3 4 111 item_1 test_3 5 82 item_1 test_3 6 67 item_1 b test_1 4 88 item_1 b test_1 5 78 item_1 b test_1 6 75 item_1 b test_2 4 104 item_1 b test_2 5 66 item_1 b test_2 6 66 item_1 b test_3 4 109 item_1 b test_3 5 87 item_1 b test_3 6 49 item_2 test_1 4 76 item_2 test_1 5 76 item_2 test_1 6 88 item_2 test_2 4 59 item_2 test_2 5 44 item_2 test_2 6 60 item_2 test_3 4 91 item_2 test_3 5 72 item_2 test_3 6 59 item_2 b test_1 4 73 item_2 b test_1 5 50 item_2 b test_1 6 80 item_2 b test_2 4 107 item_2 b test_2 5 75 item_2 b test_2 6 67 item_2 b test_3 4 119 item_2 b test_3 5 100 item_2 b test_3 6 50 any ideas?
a brute-force option be:
with open('data-out.csv', 'w') fo: open('data.csv', 'r') fi: header = fi.readline() cols = [s.strip() s in header.split(',')[-3:]] print >>fo, 'id,flow,testna,label,data' line in fi.readlines(): fields = line.strip().split(',') out_fields = fields[:-3] in range(3): print >>fo, ','.join(out_fields + [cols[i], fields[-3+i]]) (of course, if have missing data, etc. won't forgiving).
input data.csv:
id,flow,testna,4,5,6 item_1,a,test_1,89,51,67 item_1,a,test_2,60,67,44 item_1,a,test_3,111,82,67 item_1,b,test_1,88,78,75 item_1,b,test_2,104,66,66 item_1,b,test_3,109,87,49 item_2,a,test_1,76,76,88 item_2,a,test_2,59,44,60 item_2,a,test_3,91,72,59 item_2,b,test_1,73,50,80 item_2,b,test_2,107,75,67 item_2,b,test_3,119,100,50 output data-out.csv:
id,flow,testna,label,data item_1,a,test_1,4,89 item_1,a,test_1,5,51 item_1,a,test_1,6,67 item_1,a,test_2,4,60 item_1,a,test_2,5,67 item_1,a,test_2,6,44 item_1,a,test_3,4,111 item_1,a,test_3,5,82 item_1,a,test_3,6,67 item_1,b,test_1,4,88 item_1,b,test_1,5,78 item_1,b,test_1,6,75 item_1,b,test_2,4,104 item_1,b,test_2,5,66 item_1,b,test_2,6,66 item_1,b,test_3,4,109 item_1,b,test_3,5,87 item_1,b,test_3,6,49 item_2,a,test_1,4,76 item_2,a,test_1,5,76 item_2,a,test_1,6,88 item_2,a,test_2,4,59 item_2,a,test_2,5,44 item_2,a,test_2,6,60 item_2,a,test_3,4,91 item_2,a,test_3,5,72 item_2,a,test_3,6,59 item_2,b,test_1,4,73 item_2,b,test_1,5,50 item_2,b,test_1,6,80 item_2,b,test_2,4,107 item_2,b,test_2,5,75 item_2,b,test_2,6,67 item_2,b,test_3,4,119 item_2,b,test_3,5,100 item_2,b,test_3,6,50 
Comments
Post a Comment