选择系列中的某些值作为标题

我可以让你开始使用 map 和 ffill .

def is_country(x): 
    # TODO - fill in the logic for this stub.
    return x in {'Japan', 'Ghana'}

df

       A
0  Japan
1   valA
2   valB
3  Ghana
4   valC
5   valD


df.assign(B=df['A'].where(df['A'].map(is_country)).ffill()).query('A != B')

      A      B
1  valA  Japan
2  valB  Japan
4  valC  Ghana
5  valD  Ghana

你可以使用像这样的软件包 pycountry

import pycountry
countries = {x.name for x in pycountry.countries}  # Initialise a set.

def is_country(x): 
    return x in countries

但是,使用此定义,您可以将代码简化为,

df.assign(B=df['A'].where(df['A'].isin(countries)).ffill()).query('A != B')

is_country 完全起作用。

使用提取物

new_df = df['col'].str.extract('(val.*)?(.*)').replace('', np.nan).rename(columns = {1:'Country', 0:'Value'})
new_df['Country'] = new_df['Country'].ffill()
new_df.dropna(inplace = True)


    Value   Country
1   valA    Japan
2   valB    Japan
4   valC    Ghana
5   valD    Ghana

groupby + pd.concat . 你可以定义 countries 明确或使用您最喜欢的源代码。

df = pd.DataFrame({'col': ['Japan', 'valA', 'valB', 'Ghana', 'valC', 'valD']})
countries = ['Japan', 'Ghana']

grouper = df['col'].groupby(df['col'].isin(countries).cumsum())    
dfs = (pd.DataFrame({'Country': df_ctry.iat[0], 'Value': df_ctry.iloc[1:]}) \
       for _, df_ctry in grouper)

res = pd.concat(dfs, ignore_index=True)

print(res)

  Country Value
0   Japan  valA
1   Japan  valB
2   Ghana  valC
3   Ghana  valD