我有以下資料框：
id phone email
10352897
10352897 10225967
10352897 [email protected]
10352897 10225967 [email protected]
10225967
10225967 [email protected]
[email protected]
23578910
23578910 38256789
23578910 [email protected]
23578910 38256789 [email protected]
38256789
38256789 [email protected]
[email protected]
65287930 [email protected]
65287930
[email protected]
65287930
70203065
70203065
70203065
[email protected]
[email protected]
[email protected]
并非所有欄位都始終填寫，但它們至少在一列中相互關聯。
我希望當它在三列中的至少一列中重合時，記錄連接并優先考慮填充欄位而不是空欄位，最后在這個例子中我希望得到以下輸出：
id phone email
10352897 10225967 [email protected]
23578910 38256789 [email protected]
65287930 [email protected]
70203065
[email protected]
你會怎么做呢？
uj5u.com熱心網友回復：
這是一個非常具體的要求，我不知道有任何內置的 pandas 函式可以滿足您的需求，因此我嘗試準確定義您要執行的操作并從頭開始重新創建它。
我能想到的最好的方法是從資料框的頂部讀取，我們將查看每一列中的值，直到我們找到一列中的值與該列中先前遇到的值不同的行，此時我們將到目前為止遇到的所有值放入新資料框中的一行。
這看起來像（假設您的原始資料框已命名df并且空單元格是空白（''）：
new_rows = []
# Create a dictionary where keys are the columns of the original df
new_row = {col: '' for col in df.columns}
# Iterate over rows
for _, row in df.iterrows():
# Iterate over columns in row
for col in row.keys():
# If this column is not blank
if row[col]:
# If this column has already been filled in the new row
# and the value is different, add this row to the new dataframe
if new_row[col] and new_row[col] != row[col]:
new_rows.append(new_row)
new_row = {col: '' for col in df.columns}
# Otherwise, set this value for the current row of the new dataframe
else:
new_row[col] = row[col]
# Add the last row
new_rows.append(new_row)
new_df = pd.DataFrame(new_rows)
print(new_df)
但是， 70203065 和 [email protected] 最終在新資料框中的同一行中：
id phone email
0 10352897 10225967 [email protected]
1 23578910 38256789 [email protected]
2 65287930 [email protected]
3 70203065 [email protected]
您可能需要考慮導致 70203065 和 [email protected] 出現在不同行中的邏輯是什么，但希望這能讓您朝著正確的方向開始。
uj5u.com熱心網友回復：
如果目標僅僅是獲得所需的輸出，一種方法是獲取一個資料框，該資料框具有原始資料框中每一列的唯一值，df為此，可以使用pandas.DataFrame.apply自定義 lambda 函式，如下所示
df_new = df.apply(lambda x: pd.Series(x.unique()[~pd.isnull(x.unique())]))
[Out]:
id phone email
0 10352897.0 10225967.0 [email protected]
1 23578910.0 38256789.0 [email protected]
2 NaN 65287930.0 [email protected]
3 NaN 70203065.0 [email protected]
然后，即使有空間實作驗證來檢查，對于給定的唯一值，其余列是否匹配df，在這種特定情況下，前三行實際上是正確的，我們不會考慮這一點。一個人將簡單地復制最后一行
df_new = pd.concat([df_new, df_new.iloc[-1:]], ignore_index=True)
然后調整各自的值以獲得想要的輸出
df_new.iloc[-2,2] = np.nan
df_new.iloc[-1,1] = np.nan
[Out]:
id phone email
0 10352897.0 10225967.0 [email protected]
1 23578910.0 38256789.0 [email protected]
2 NaN 65287930.0 [email protected]
3 NaN 70203065.0 NaN
4 NaN NaN [email protected]
筆記：
盡管最后一部分不是最優雅的，并且需要一些“手動”作業（復制一行并手動更改單元格值），但這適用于 OP 的特定情況。
使用
.apply(). 為此，您可能想閱讀此內容。
uj5u.com熱心網友回復：
這是一種方法。
請注意：您問題的第三部分，不要遵循您所說的模式
df['keep']=((df['id'].ne(df['id'].shift(-1)) &
df['phone'].ne(df['phone'].shift(-1)) &
df['email'].ne(df['email'].shift(-1))
))
df['chng']=df['keep'].map({False : np.nan, True: 1})
df['chng']=df['chng'].cumsum().bfill()
df=df.groupby('chng', as_index=True).ffill()
out=df.loc[df['keep']==True].fillna('')[['id','phone','email']]
out
id phone email
6 10352897.0 10225967.0 [email protected]
13 23578910.0 38256789.0 [email protected]
15 65287930.0 [email protected]
16 [email protected]
17 65287930.0
20 70203065.0
23 [email protected]
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/524015.html
標籤：Python熊猫麻木的