我有一个包含两列的 df,我想合并两列,忽略 NaN 值。问题是有时两列都有 NaN 值,在这种情况下我希望新列也有 NaN。这是例子:
df = pd.DataFrame({'foodstuff':['apple-martini', 'apple-pie', None, None, None], 'type':[None, None, 'strawberry-tart', 'dessert', None]})
df
Out[10]:
foodstuff type
0 apple-martini None
1 apple-pie None
2 None strawberry-tart
3 None dessert
4 None None
我尝试使用
fillna
并解决这个问题:
df['foodstuff'].fillna('') + df['type'].fillna('')
我得到了:
0 apple-martini
1 apple-pie
2 strawberry-tart
3 dessert
4
dtype: object
第 4 行已成为空白值。在这种情况下我想要的是 NaN 值,因为两个组合列都是 NaN。
0 apple-martini
1 apple-pie
2 strawberry-tart
3 dessert
4 None
dtype: object
fillna
,填充值是另一列:
df['foodstuff'].fillna(df['type'])
结果输出:
0 apple-martini
1 apple-pie
2 strawberry-tart
3 dessert
4 None
combine
方法和 lambda
:
df['foodstuff'].combine(df['type'], lambda a, b: ((a or "") + (b or "")) or None, None)
如果 a 为 (a or "")
,则
""
返回 None
,则对连接应用相同的逻辑(如果连接是空字符串,则结果将为 None
)。
fillna
两列在一起 sum(1)
添加它们replace('', np.nan)
df.fillna('').sum(1).replace('', np.nan)
0 apple-martini
1 apple-pie
2 strawberry-tart
3 dessert
4 NaN
dtype: object
如果您处理的列包含其他列不包含的内容,反之亦然,则可以很好地完成这项工作的单行代码是
>>> df.rename(columns={'type': 'foodstuff'}).stack().unstack()
foodstuff
0 apple-martini
1 apple-pie
2 strawberry-tart
3 dessert
...如果您有多列“复杂”,只要您可以定义您的
~.rename
映射,该解决方案也可以很好地概括。这种重命名背后的目的是创建重复项,然后 ~.stack().unstack()
将为您处理。
正如所解释的,该解决方案仅适合正交列的配置,即永远不会同时赋值的列。
您始终可以用 None 填充新列中的空字符串
import numpy as np
df['new_col'].replace(r'^\s*$', np.nan, regex=True, inplace=True)
完整代码:
import pandas as pd
import numpy as np
df = pd.DataFrame({'foodstuff':['apple-martini', 'apple-pie', None, None, None], 'type':[None, None, 'strawberry-tart', 'dessert', None]})
df['new_col'] = df['foodstuff'].fillna('') + df['type'].fillna('')
df['new_col'].replace(r'^\s*$', np.nan, regex=True, inplace=True)
df
输出:
foodstuff type new_col
0 apple-martini None apple-martini
1 apple-pie None apple-pie
2 None strawberry-tart strawberry-tart
3 None dessert dessert
4 None None NaN
combine_first
,您可以用另一列中的非空值填充一列中的空值:
In [3]: df['foodstuff'].combine_first(df['type'])
Out[3]:
0 apple-martini
1 apple-pie
2 strawberry-tart
3 dessert
4 None
我们可以让这个问题变得更加完整,并对此类问题有一个通用的解决方案。
其中的关键是我们希望将一组列连接在一起,但忽略
NaN
s。
这是我的回答:
df = pd.DataFrame({'foodstuff':['apple-martini', 'apple-pie', None, None, None],
'type':[None, None, 'strawberry-tart', 'dessert', None],
'type1':[98324, None, None, 'banan', None],
'type2':[3, None, 'strawberry-tart', np.nan, None]})
df=df.fillna("NAN")
df=df.astype('str')
df["output"] = df[['foodstuff', 'type', 'type1', 'type2']].agg(', '.join, axis=1)
df['output'] = df['output'].str.replace('NAN, ', '')
df['output'] = df['output'].str.replace(', NAN', '')
您可以将非零值替换为列名称,例如:
df1= df.replace(1, pd.Series(df.columns, df.columns))
然后,用空字符串替换 0,然后合并列,如下所示:
f = f.replace(0, '')
f['new'] = f.First+f.Second+f.Three+f.Four
请参阅下面的完整代码:
import pandas as pd
df = pd.DataFrame({'Second':[0,1,0,0],'First':[1,0,0,0],'Three':[0,0,1,0],'Four':[0,0,0,1], 'cl': ['3D', 'Wireless','Accounting','cisco']})
df2=pd.DataFrame({'pi':['Accounting','cisco','3D','Wireless']})
df1= df.replace(1, pd.Series(df.columns, df.columns))
f = pd.merge(df1,df2,how='right',left_on=['cl'],right_on=['pi'])
f = f.replace(0, '')
f['new'] = f.First+f.Second+f.Three+f.Four
df1
:
In [3]: df1
Out[3]:
Second First Three Four cl
0 0 First 0 0 3D
1 Second 0 0 0 Wireless
2 0 0 Three 0 Accounting
3 0 0 0 Four cisco
df2
:
In [4]: df2
Out[4]:
pi
0 Accounting
1 cisco
2 3D
3 Wireless
最终数据框
f
将是:
In [2]: f
Out[2]:
Second First Three Four cl pi new
0 First 3D 3D First
1 Second Wireless Wireless Second
2 Three Accounting Accounting Three
3 Four cisco cisco Four
如果您使用 NaN 来初始化 DataFrame 来获取缺失值而不是 None,则可以使用 Series.add() 在将列添加在一起时动态填充 NaN 值。
示例:
df = pd.DataFrame({'foodstuff':['apple-martini', 'apple-pie', np.NaN, np.NaN, np.NaN],
'type':[np.NaN, np.NaN, 'strawberry-tart', 'dessert', np.NaN]})
df['foodstuff'].add(df['type'], fill_value = '')
结果:
0 apple-martini
1 apple-pie
2 strawberry-tart
3 dessert
4 NaN
这对于添加具有一些 NaN 值的数字列也非常有效,因为它允许您将数字添加到 NaN 值并获取数字。示例:
df_test_nums = pd.DataFrame({'left_numbers':[1, 1, np.NaN, 3.7, 2.4],
'right_numbers':[4, np.NaN, np.NaN, 2.7, 9.4]})
print(df_test_nums)
结果:
left_numbers right_numbers
0 1.0 4.0
1 1.0 NaN
2 NaN NaN
3 3.7 2.7
4 2.4 9.4
将这些列加在一起,使数字与 NaN 值的总和就是数字:
df_test_nums['left_numbers'].add(
df_test_nums['right_numbers'], fill_value = 0)
结果:
0 5.0
1 1.0
2 NaN
3 6.4
4 11.8
将此与 + 运算符的使用进行比较,该运算符将 NaN 与数字之和转换为 NaN:
df_test_nums['left_numbers'] + df_test_nums['right_numbers']
结果:
0 5.0
1 NaN
2 NaN
3 6.4
4 11.8
对于涉及多列的操作,可以通过
df.sum()
获得更优雅的方法。
print(df_test_nums[
['left_numbers', 'right_numbers']].sum(
axis=1, min_count = 1))
输出:
0 5.0
1 1.0
2 NaN
3 6.4
4 11.8
请注意,如果 min_count 设置为 0(默认值),则第三行将等于 0,因为这是仅由 NaN 组成的值相加在一起时的默认输出。 (有关更多信息,请参阅 df.sum() 文档。)