计算在pandas数据框中一行水平移动了多少

Question

我有一个数据框，其中行已水平移动数量不详。每一行都移动了不同的量如下所示:

tbody> <<tr>5

标题1	标题2	未命名:1	未命名:2
南	34	24	南
	南	南	南
南	南	13	77
南	南	南	18

更新答案

@mozway给出的逻辑是一个优雅的一行，我很喜欢，但由于某种原因并不总是有效。此外，它不会在额外的列中给出非nan值。

我设法让它工作在一个稍微长，但相对简单的理解逻辑。是:

#read the excel file
df = pd.read_excel('df.xlsx')
#subset the df into original and extra df's
extra = df.filter(regex=("Unnamed:.*"))
original = df.drop(extra, axis = 1)
#ori contains a list of count of NaN values in original columns as asked 
ori = original.isnull().sum(axis=1).tolist() #or to_dict() if you want a dict
ext = len(extra.columns) - extra.isnull().sum(axis=1)
#ext1 contains a list of count of non NaN values in the extra columns as asked
ext1 = ext.tolist() # or to_dict() if you want a dict

原始评论/回答

@mozway正如在评论中提到的，我正在添加您的代码，我试图将逻辑仅应用于dataframe的子集:

extra = df.filter(regex=("Unnamed:.*"))
y = extra.isna().cummin(axis=1).sum(axis=1).clip(upper=2).tolist()

根据数据帧，输出应该是[1,2,0,1](因为第1行有1个nan值，第2行有2个nan值，第3行有2个nan值，第4行有1个nan值)，但上面的代码给出了输出[0,2,0,1]

您可以使用isna和cummin来识别领先的NAs，然后使用sum来计数它们，使用clip来限制向原始列数的移动:

df.isna().cummin(axis=1).sum(axis=1).clip(upper=2)

输出:

0    1
1    0
2    2
3    2
dtype: int64

中间体:

df.isna()
Heading 1  Heading 2  Unnamed: 1  Unnamed: 2
0       True      False       False        True
1      False      False        True        True
2       True       True       False       False
3       True       True        True       False
df.isna().cummin(axis=1)
Heading 1  Heading 2  Unnamed: 1  Unnamed: 2
0       True      False       False       False
1      False      False       False       False
2       True       True       False       False
3       True       True        True       False
df.isna().cummin(axis=1).sum(axis=1)
0    1
1    0
2    2
3    3
dtype: int64