合并熊猫DataFrame中的两列

Question

给定以下DataFrame ：

      A     B
0 -10.0   NaN
1   NaN  20.0
2 -30.0   NaN

我要合并列A和B ，填充NaN在列单元A与来自列中的值B然后删除列B ，产生一个DataFrame是这样的：

     A
0 -10.0
1  20.0
2 -30.0

我设法通过使用iterrows()函数解决了这个问题。

完整的代码示例：

import numpy as np
import pandas as pd

example_data = [[-10, np.NaN], [np.NaN, 20], [-30, np.NaN]]

example_df = pd.DataFrame(example_data, columns = ['A', 'B'])

for index, row in example_df.iterrows():
    if pd.isnull(row['A']):
        row['A'] = row['B']

example_df = example_df.drop(columns = ['B'])        

example_df

这似乎工作正常，但我在iterrows()的文档中找到了以下信息：

您永远不应修改要迭代的内容。

看来我做错了。

为了达到相同的结果，什么是更好/推荐的方法？

Answer 1

将Series.fillna与Series.to_frame Series.fillna使用：

df = df['A'].fillna(df['B']).to_frame()
#alternative
#df = df['A'].combine_first(df['B']).to_frame()
print (df)
      A
0 -10.0
1  20.0
2 -30.0

如果更多列且每行需要第一个非缺失值，请使用一个字段DataFrame一个元素列表按元素列表选择第一列，以回填缺失值：

df = df.bfill(axis=1).iloc[:, [0]]
print (df)
      A
0 -10.0
1  20.0
2 -30.0