如何为长格式DataFrame添加基于Variable列的Phase分箱列？

原始数据表 #

目标数据表 #

完全可以基于Variable列的取值显式定义Phase新列，以下是不同工具下的实现方法：

1. Python（Pandas）实现 #

两种常用方法，按需选择：

• 方法1：通过字符串包含判断赋值

import pandas as pd
import numpy as np

# 构造原始数据
df = pd.DataFrame({
    'Well': ['A']*8,
    'Date': ['1/1/2023', '1/2/2023']*4,
    'Type': ['current', 'current', 'prev', 'prev']*2,
    'Variable': ['Oil_Fcst', 'Oil_Fcst', 'Oil_Fcst_Prev', 'Oil_Fcst_Prev', 'Gas_Fcst', 'Gas_Fcst', 'Gas_Fcst_Prev', 'Gas_Fcst_Prev'],
    'Value': [20, 100, 25, 50, 50, 100, 25, 50]
})

# 生成Phase列
df['Phase'] = np.where(df['Variable'].str.contains('Oil'), 'Oil', 'Gas')

• 方法2：提取变量前缀（下划线分隔的首段）

# 提取Variable列下划线前的内容作为Phase值
df['Phase'] = df['Variable'].str.split('_').str[0]

2. Excel实现 #

在F2单元格输入以下任一公式，下拉填充即可：

• 基于字符串匹配

=IF(ISNUMBER(SEARCH("Oil",D2)),"Oil","Gas")

• 提取前缀

=LEFT(D2,FIND("_",D2)-1)

3. SQL实现 #

如果数据存储在数据库中，使用CASE语句生成新列：

SELECT 
    Well,
    Date,
    Type,
    Variable,
    Value,
    CASE 
        WHEN Variable LIKE '%Oil%' THEN 'Oil'
        WHEN Variable LIKE '%Gas%' THEN 'Gas'
        ELSE NULL -- 可选：处理未匹配的特殊情况
    END AS Phase
FROM your_table;

内容的提问来源于stack exchange，提问作者user22212195