如何合并/组合熊猫中的列?

Posted

技术标签:

【中文标题】如何合并/组合熊猫中的列?【英文标题】:How to merge/combine columns in pandas? 【发布时间】:2018-03-15 18:52:36 【问题描述】:

我有一个包含 4 列的(示例)数据框:

data = 'A': ['a', 'b', 'c', 'd', 'e', 'f'],
    'B': [42, 52, np.nan, np.nan, np.nan, np.nan],  
    'C': [np.nan, np.nan, 31, 2, np.nan, np.nan],
    'D': [np.nan, np.nan, np.nan, np.nan, 62, 70]
df = pd.DataFrame(data, columns = ['A', 'B', 'C', 'D'])

    A   B       C       D
0   a   42.0    NaN     NaN
1   b   52.0    NaN     NaN
2   c   NaN     31.0    NaN
3   d   NaN     2.0     NaN
4   e   NaN     NaN     62.0
5   f   NaN     NaN     70.0

我现在想将 B、C 和 D 列合并/组合到新的 E 列,如下例所示:

data2 = 'A': ['a', 'b', 'c', 'd', 'e', 'f'],
    'E': [42, 52, 31, 2, 62, 70]
df2 = pd.DataFrame(data2, columns = ['A', 'E'])

    A   E
0   a   42
1   b   52
2   c   31
3   d   2
4   e   62
5   f   70

我发现了一个非常相似的问题here,但这会在 A 列的末尾添加合并的列 B、C 和 D:

0      a
1      b
2      c
3      d
4      e
5      f
6     42
7     52
8     31
9      2
10    62
11    70
dtype: object

感谢您的帮助。

【问题讨论】:

如果 B 和 C 都有值会发生什么?您打算在 E 中保留哪一个? 好问题 - jezrael 的第二个选项进一步说明了这个问题。 【参考方案1】:

对没有A 的列名使用difference,然后得到summax

cols = df.columns.difference(['A'])
df['E'] = df[cols].sum(axis=1).astype(int)
# df['E'] = df[cols].max(axis=1).astype(int)
df = df.drop(cols, axis=1)
print (df)
   A   E
0  a  42
1  b  52
2  c  31
3  d   2
4  e  62
5  f  70

如果每行有多个值:

data = 'A': ['a', 'b', 'c', 'd', 'e', 'f'],
    'B': [42, 52, np.nan, np.nan, np.nan, np.nan],  
    'C': [np.nan, np.nan, 31, 2, np.nan, np.nan],
    'D': [10, np.nan, np.nan, np.nan, 62, 70]
df = pd.DataFrame(data, columns = ['A', 'B', 'C', 'D'])

print (df)
   A     B     C     D
0  a  42.0   NaN  10.0
1  b  52.0   NaN   NaN
2  c   NaN  31.0   NaN
3  d   NaN   2.0   NaN
4  e   NaN   NaN  62.0
5  f   NaN   NaN  70.0

cols = df.columns.difference(['A'])
df['E'] = df[cols].apply(lambda x: ', '.join(x.dropna().astype(int).astype(str)), 1)
df = df.drop(cols, axis=1)
print (df)
   A       E
0  a  42, 10
1  b      52
2  c      31
3  d       2
4  e      62
5  f      70

【讨论】:

【参考方案2】:

选项 1 使用assigndrop

In [644]: cols = ['B', 'C', 'D']

In [645]: df.assign(E=df[cols].sum(1)).drop(cols, 1)
Out[645]:
   A     E
0  a  42.0
1  b  52.0
2  c  31.0
3  d   2.0
4  e  62.0
5  f  70.0

选项 2 使用赋值和drop

In [648]: df['E'] = df[cols].sum(1)

In [649]: df = df.drop(cols, 1)

In [650]: df
Out[650]:
   A     E
0  a  42.0
1  b  52.0
2  c  31.0
3  d   2.0
4  e  62.0
5  f  70.0

选项 3 最近,我喜欢第 3 个选项。 使用groupby

In [660]: df.groupby(np.where(df.columns == 'A', 'A', 'E'), axis=1).first() #or sum max min
Out[660]:
   A     E
0  a  42.0
1  b  52.0
2  c  31.0
3  d   2.0
4  e  62.0
5  f  70.0

In [661]: df.columns == 'A'
Out[661]: array([ True, False, False, False], dtype=bool)

In [662]: np.where(df.columns == 'A', 'A', 'E')
Out[662]:
array(['A', 'E', 'E', 'E'],
      dtype='|S1')

【讨论】:

选项 1 效果很好。我倾向于选择opt。 1 并选择。 2,很可能是因为它们的简单性......谢谢!【参考方案3】:

书面问题要求合并/组合而不是求和,因此发布此问题是为了帮助找到此答案的人们寻求与 combine_first 合并的帮助,这可能有点棘手。

df2 = pd.concat([df["A"], 
             df["B"].combine_first(df["C"]).combine_first(df["D"])], 
            axis=1)
df2.rename(columns="B":"E", inplace=True)
   A     E
0  a  42.0
1  b  52.0
2  c  31.0
3  d  2.0 
4  e  62.0
5  f  70.0

这有什么难的?在这种情况下没有问题 - 但假设您从不同的数据帧中提取 B、C 和 D 值,其中存在 a、b、c、d、e、f 标签,但不一定以相同的顺序。 combine_first() 与索引对齐,因此您需要在每个 df 引用上添加 set_index()。

df2 = pd.concat([df.set_index("A", drop=False)["A"], 
             df.set_index("A")["B"]\
             .combine_first(df.set_index("A")["C"])\
             .combine_first(df.set_index("A")["D"]).astype(int)], 
            axis=1).reset_index(drop=True)
df2.rename(columns="B":"E", inplace=True)

   A   E
0  a  42
1  b  52
2  c  31
3  d  2 
4  e  62
5  f  70

【讨论】:

这个答案适用于字符串,而不仅仅是数字(不像那些使用sum()的)。【参考方案4】:

您也可以将ffilliloc 一起使用:

df['E'] = df.iloc[:, 1:].ffill(1).iloc[:, -1].astype(int)
df = df.iloc[:, [0, -1]]

print(df)

   A   E
0  a  42
1  b  52
2  c  31
3  d   2
4  e  62
5  f  70

【讨论】:

【参考方案5】:

Zero 使用 groupby 的第三个选项需要 numpy 导入,并且只处理要折叠的列集之外的一列,而 jpp 使用 ffill 的答案要求您知道列的排序方式。这是一个没有额外依赖项的解决方案,采用任意输入数据框,并且仅当这些列中的所有行都是单值时才折叠列:

import pandas as pd

data = ['A':'a', 'B':42, 'messy':'z',
    'A':'b', 'B':52, 'messy':'y',
    'A':'c', 'C':31,
    'A':'d', 'C':2, 'messy':'w',
    'A':'e', 'D':62, 'messy':'v',
    'A':'f', 'D':70, 'messy':['z']]
df = pd.DataFrame(data)

cols = ['B', 'C', 'D']
new_col = 'E'
if df[cols].apply(lambda x: len(x.notna().value_counts()) == 1, axis=1).all():
    df[new_col] = df[cols].ffill(axis=1).dropna(axis=1)

df2 = df.drop(columns=cols)

print(df, '\n\n', df2)

输出:

   A     B messy     C     D
0  a  42.0     z   NaN   NaN
1  b  52.0     y   NaN   NaN
2  c   NaN   NaN  31.0   NaN
3  d   NaN     w   2.0   NaN
4  e   NaN     v   NaN  62.0
5  f   NaN   [z]   NaN  70.0

   A messy     E
0  a     z  42.0
1  b     y  52.0
2  c   NaN  31.0
3  d     w   2.0
4  e     v  62.0
5  f   [z]  70.0

【讨论】:

以上是关于如何合并/组合熊猫中的列?的主要内容,如果未能解决你的问题,请参考以下文章

熊猫(Python)中的“反合并”

如何与熊猫数据框中的键和键列表合并

熊猫中的列连接

如何合并数据框熊猫中的两行

熊猫:来自没有合并的匹配的列

熊猫在不同长度的列上合并两个数据框