根据公共字段将两行合并为一行

Question

我有包含以下数据的数据框：

+----------+------------+-------------+---------------+----------+
|id        |name        |predicted    |actual         |yyyy_mm_dd|
+----------+------------+-------------+---------------+----------+
|       215|     NirPost|         null|100.10023      |2020-01-10|
|      null|     NirPost|        57145|null           |2020-01-10|
+----------+------------+-------------+---------------+----------+

我想根据name将这两行合并为一行。 这个 df 是我限制在一个公司和一天的查询的结果。 在真实数据集中，有 70~ 家公司每天都有数据。 我想将此数据作为单行重写到新表中。

这是我想要的输出：

+----------+------------+-------------+---------------+----------+
|id        |name        |predicted    | actual        |yyyy_mm_dd|
+----------+------------+-------------+---------------+----------+
|       215|     NirPost| 57145       |100.10023      |2020-01-10|
+----------+------------+-------------+---------------+----------+

我试过这个：

df.replace('null','').groupby('name',as_index=False).agg(''.join)

但是，这会输出我原来的 df 但使用NaN而不是null 。

`df.dtypes`:

id          float64
name        object
predicted   float64
actual      float64
yyyy_mm_dd  object
dtype:      object

Answer 1

您如何使用max显式传递groupby中的所有列，以便消除空值？

import pandas as pd
import numpy as np
data = {'id':[215,np.nan],'name':['nirpost','nirpost'],'predicted':[np.nan,57145],'actual':[100.12,np.nan],'yyyy_mm_dd':['2020-01-10','2020-01-10']}
df = pd.DataFrame(data)

df = df.groupby('name').agg({'id':'max','predicted':'max','actual':'max','yyyy_mm_dd':'max'}).reset_index()
print(df)

返回：

      name     id  predicted  actual  yyyy_mm_dd
0  nirpost  215.0    57145.0  100.12  2020-01-10

当然，由于您有更多数据，您可能应该考虑在groupby添加其他内容，以免删除太多行，但是对于您提供的示例数据，我相信这是解决问题的一种方法。

编辑：

如果所有列都被命名为max_original_column_name那么你可以简单地使用这个：

df.columns = [x[:-4] for x in list(df)]

使用列表理解，您正在创建一个列表，该列表_max最后 4 个字符（即list(df)每个值的df.columns = ，这是列名称的列表。最后，您使用df.columns =