1

Tenho uma planilha excel que estou usando como dataframe, ela contem os dados de assinaturas de clientes em colunas:

CLIENTE NUCLIENTE NUASSINATURA NUASSANTERIOR DTEMISSAO - Dia-mês VLASSINATURA

Nessa planilha existe muitos clientes que possuem duas assinaturas em seu nome, eu preciso isolar os dados desses clientes específicos e passar para outra planilha.

Na planilha esses clientes com assinatura extras estão com uma celula em branco abaixo das colunas "CLIENTE", na qual possuem seus respectivos nomes, e "NUCLIENTE" no qual contam com seus ID. Isso acontece pois nome e o ID desses clientes serem os mesmos e não ter necessidade de repeti-los duas vezes. Exemplo:

CLIENTE NUCLIENTE NUASSINATURA
YOSSEF KABACZNIK 112038 123999
134179
YUKUKO TSUCHIYA MASUDA 143400 131745
YURI ANDERSON 203486 123837
YURI ANDRE BRAGA MARQUES 251495 131440

Na tabela acima o cliente YOSSEF está com uma assinatura extra no seu nome.

Utilizando pandas eu consegui criar um novo dataframe com os dados dos clientes filtrando a coluna NUCLIENTE para me trazer somente as celulas empty , o problema é que dessa forma eu não consigo os nomes dos clientes que estão na coluna CLIENTE e nem seus ID pois está sendo filtrado pelas celulas vazias dessa coluna.

Eu fiz isso da seguinte forma:

df = pd.read_excel("BASE ASSINATURAS EM ABERTO-novo.xlsx")
df = df.replace({"(vazio)":np.nan})
display(df)
print (df.info())
print(df.isna().sum())

nuclienteVazio = df[df['NUCLIENTE'].isnull()]
nuclienteVazio.to_excel("assinaturas_duplicadas.xlsx", sheet_name='planilha1', header = True)

Gostaria de uma ajuda para saber como consigo além das informações da assinatura dos clientes, seus nomes e ID.

1 Resposta 1

1

1 - Você pode ler o dataframe normalmente em um df

2 - Posteriormente você pode utilizar o método

df = df.fillna(method="bfill") 

Você pode verificar os outros parâmetros necessário na documentação aqui, mas já explico sobre o method="bfill": o método irá varrer o dataframe a partir do tipo buscando pelos campos vazios. Ao encontrar, com este parâmetro bfill ele irá preenchê-lo com o valor da célula logo acima (backfill). Ou seja, as células ficarão com CLIENTES e NUCLIENTES duplicados.

3 - No dataframe resultante você pode aplicar o método

df[df.duplicated(subset=["CLIENTES", "NUCLIENTES"], keep=False)]

Documentação aqui

Em resumo o df.duplicated irá criar uma mascara de True/False sobre os campos duplicados (com subset, ele irá olhar apenas para duplicados em CLIENTES E NUCLIENTES). O parametro keep=False fará com que ele retorne True para todos os duplicados (você tem outras opções que fazem filtros). Ao obter essa máscara e passar ela dentro de um df[], significa que você quer o df selecionando apenas os campos que retornaram True.

Por fim, você terá um dataframe com todos os campos preenchidos, somente das pessoas com mais de uma conta.

Em resumo:

df = pd.read_excel("BASE ASSINATURAS EM ABERTO-novo.xlsx")
df = df.fillna(method="bfill")
df_final = [df.duplicated(subset=["CLIENTES", "NUCLIENTES"], keep=False)]

Você deve fazer log-in para responder a esta pergunta.

Esta não é a resposta que você está procurando? Pesquise outras perguntas com a tag .