Python3，Pandas - 基於列到左側數據的新列值（動態）

Question

我有一個包含調查響應的幾列的電子表格。這個電子表格將被合併到其他電子表格中，然後我將有與下面類似的重複行。然後，我將需要採用相同文本的所有問題，並根據整個合併文檔計算答案的百分比。

例Excel數據

**Poll Question**              **Poll Responses** 
The content was clear and effectively delivered       37 Total Votes 
Strongly Agree               24.30% 
Agree                 70.30% 
Neutral                 2.70% 
Disagree                2.70% 
Strongly Disagree              0.00% 
The Instructor(s) were engaging and motivating        37 Total Votes 
Strongly Agree               21.60% 
Agree                 73.00% 
Neutral                 2.70% 
Disagree                2.70% 
Strongly Disagree              0.00% 
I would attend another training session delivered by this Instructor(s) 37 Total Votes 
Strongly Agree               21.60% 
Agree                 73.00% 
Neutral                 5.40% 
Disagree                0.00% 
Strongly Disagree              0.00% 
This was a good format for my training          37 Total Votes 
Strongly Agree               24.30% 
Agree                 62.20% 
Neutral                 8.10% 
Disagree                2.70% 
Strongly Disagree              2.70% 
Any comments/suggestions about this training course?      5 Total Votes 

我的用於計算票的非％的數目的方法將是百分比轉換爲數字。例如。從37 Total Votes中查找並提取37，然後使用以下公式獲取在該特定答案上投票的用戶數：percent * total/100。

所以24.30 * 37/100 = 8.99舍入意味着37人中有9人投票贊成「非常同意」。

這裏是希望我能夠做一個例子電子表格：

**Poll Question** **Poll Responses** **non-percent** **subtotal** 
    ...     37 Total Votes  0    37 
    ...     24.30%    9    37 
    ...     70.30%    26    37 
    ...     2.70%    1    37 
    ...     2.70%    1    37 
    ...     0.00%    0    37 

（注：非百分之和大部將新創建的列）

目前我拿着一個文件夾完整的.xls文件，我循環通過該文件夾，以.xlsx格式保存到另一個文件夾。在該循環內，我添加了一個註釋塊，其中包含我的# NEW test CODE，我試圖將邏輯放在此處。你可以看到，我試圖定位單元格並獲取值，然後得到一些正則表達式並從中提取數字（然後將它添加到該行中的subtotal列。然後我想添加。它，直到我看到

含x Total Votes行的新實例這裏是我當前的代碼：

import numpy as np 
import pandas as pd 

files = get_files('/excels/', '.xls') 
df_array = [] 

for i, f in enumerate(files, start=1): 
    sheet = pd.read_html(f, attrs={'class' : 'reportData'}, flavor='bs4') 
    event_id = get_event_id(pd.read_html(f, attrs={'id' : 'eventSummary'})) 
    event_title= get_event_title(pd.read_html(f, attrs={'id' : 'eventSummary'})) 
    filename = event_id + '.xlsx' 
    rel_path = 'xlsx/' + filename 
    writer = pd.ExcelWriter(rel_path) 

    for df in sheet: 
     # NEW test CODE 
     q_total = 0 
     df.columns = df.columns.str.strip() 
     if df[df['Poll Responses'].str.contains("Total Votes")]: 
     # if df['Poll Responses'].str.contains("Total Votes"): 
      q_total = re.findall(r'.+?(?=\sTotal\sVotes)', df['Poll Responses'].str.contains("Total Votes"))[0] 
      print(q_total) 
     # df['Question Total'] = np.where(df['Poll Responses'].str.contains("Total Votes"), 'yes', 'no') 
     # END NEW test Code 
     df.insert(0, 'Event ID', event_id) 
     df.insert(1, 'Event Title', event_title) 
     df.to_excel(writer,'sheet') 
     writer.save() 

    # progress of entire list 
    if i <= len(files): 
     print('\r{:*^10}{:.0f}%'.format('Converting: ', i/len(files)*100), end='') 

print('\n') 

TL; DR 這似乎很令人費解，但如果我能得到兩個新的列包含一個問題的總票數和一個答案的票數（不是百分比），那麼我可以在合併的文檔上做一些VLOOKUP魔術。任何幫助或方法的建議將不勝感激。謝謝！

Answer 1

我解決了這個，我會後下面的僞代碼：通過每片

1. 我循環。在該循環中，我使用for n, row in enumerate(df.itertuples(), 1):循環遍歷每一行。
2. 我得到的可能含有「人頭響應」 poll_response = str(row[3])
3. 使用的if/else我檢查poll_response包含文本「總投票」的字段的值。如果確實如此，那一定是一個問題，否則它必須是一排答案。
4. 在這個問題的if我得到包含我需要的數據的單元格。然後我有一個函數將問題文本與數組中的所有對象問題文本進行比較。如果它是匹配的，那麼我只需更新對象的字段，否則我會創建一個新的問題對象。
5. else行是答案行，我使用問題文本來查找數組中的對象並更新/添加答案或數據。
6. 此過程循環遍歷每個電子表格中的所有行，現在我的數組充滿了唯一的問題對象。