问题
我有一个看起来像这样的数据框架:
Key Var ID_1 Var_1 ID_2 Var_2 ID_3 Var_3
1 True 1.0 True NaN NaN 5.0 True
2 True NaN NaN 4.0 False 7.0 True
3 False 2.0 False 5.0 True NaN NaN
每行完全具有2个非磁性数据集(ID/VAR),其余的第三行保证为null。我想做的是通过删除缺失的元素来"凝结"数据框。
所需的输出
Key Var First_ID First_Var Second_ID Second_Var
1 True 1 True 5 True
2 True 4 False 7 True
3 False 2 False 5 True
只要维持ID/var对,订购就不重要。
当前解决方案
以下是我拥有的工作解决方案:
import pandas as pd
import numpy as np
data = pd.DataFrame({'Key': [1, 2, 3], 'Var': [True, True, False], 'ID_1':[1, np.NaN, 2],
'Var_1': [True, np.NaN, False], 'ID_2': [np.NaN, 4, 5], 'Var_2': [np.NaN, False, True],
'ID_3': [5, 7, np.NaN], 'Var_3': [True, True, np.NaN]})
sorted_columns = ['Key', 'Var', 'ID_1', 'Var_1', 'ID_2', 'Var_2', 'ID_3', 'Var_3']
data = data[sorted_columns]
output = np.empty(shape=[data.shape[0], 6], dtype=str)
for i, *row in data.itertuples():
output[i] = [element for element in row if np.isfinite(element)]
print(output)
[['1' 'T' '1' 'T' '5' 'T']
['2' 'T' '4' 'F' '7' 'T']
['3' 'F' '2' 'F' '5' 'T']]
这是可以接受的,但不是理想的。我可以忍受没有列名称,但是我的最大问题是必须将数据投放到字符串中,以避免将我的布尔人转换为数字。
还有其他解决方案可以更好地保存数据吗?如果结果是PANDAS DATAFRAME。
有一个简单的解决方案,即将NAN推到右侧,然后将NAN放在轴1上。即
ndf = data.apply(lambda x : sorted(x,key=pd.isnull),1).dropna(1)
输出:
密钥var id_1 var_1 id_2 var_20 1 true 1 true 5 true1 2 true 4 false 7 true2 3错误2 false 5 true
希望它有帮助。
在此处使用Divakar的Numpy解决方案,以10倍速度,即
def mask_app(a):
out = np.full(a.shape,np.nan,dtype=a.dtype)
mask = ~np.isnan(a.astype(float))
out[np.sort(mask,1)[:,::-1]] = a[mask]
return out
ndf = pd.DataFrame(mask_app(data.values),columns=data.columns).dropna(1)
密钥var id_1 var_1 id_2 var_20 1 true 1 true 5 true1 2 true 4 false 7 true2 3错误2 false 5 true