我在组合重复列时遇到了问题。它似乎适用于旧版本的Pandas/Python(不确定罪魁祸首是什么(,但不适用于最新版本。
我基本上有一个混合值的数据帧,在concat之后有重复的列名。这些值要么是int,要么是string,要么是nan。对于每个重复的列名,所有非nan值都将是相同的,所以理论上max((应该可以做到这一点。
假设我有数据帧:
col1 col1 col2 col2 col3
0 Foo nan nan Bar Baz
1 nan nan Bar Bar nan
2 0 nan 1 nan 1
我的目标是获得
col1 col2 col3
0 Foo Bar Baz
1 nan Bar nan
2 0 1 1
进行
df.groupby(df.columns,axis=1).max()
这正是我希望它在旧版本的Pandas/Python上所做的,但不适用于最新版本。这就是我在最新版本上得到的:
col1 col2 col3
0 nan nan Baz
1 nan nan nan
2 0 1 1
有什么想法吗?
我认为您首先需要transpose
数据帧,reset the index
,然后rename
重复的index
列值,最后使用groupby
。
df_t = df.T.reset_index()
df_t["index"] = df_t["index"].str.split(".").str[0]
result = df_t.groupby("index").first().T
输出
Out[57]:
index col1 col2 col3
0 Foo Bar Baz
1 NaN Bar NaN
2 0 1 1
猜测当您尝试将字符串与np.nan
进行比较时会出现问题
解决方法是使用空字符串而不是np.nan
的
df.fillna('').groupby(df.columns, axis=1).max()
bar baz foo
0 Bar Baz Foo
1 Bar
2 1 1 0
如果需要,可以在之后恢复np.nan
.replace('', np.nan)
bar baz foo
0 Bar Baz Foo
1 Bar NaN NaN
2 1 1 0
edit
如果您不想使用变通方法,或者''
可能存在于您的数据帧中,您可以定义自己的最大函数并使用它来聚合
def mmax(s):
s = [z for z in s if not pd.isnull(z)]
if not len(s): return np.nan
return max(s)
def a(s):
return(s.agg(mmax, axis=1))
df.groupby(df.columns, axis=1).agg(a)
输出
bar baz foo
0 Bar Baz Foo
1 Bar NaN NaN
2 1 1 0
你的算法很好,你能试试吗:
df.groupby(df.columns,axis=1).max(axis=1)