使用熊猫组合列集

Question

我有以下数据帧结构：

    SC0 Shape   S1  S2  S3  C1  C2  C3  D1  D2  D3
2   1   Circle  NaN NaN NaN 1   1   1   NaN NaN NaN
3   13  Square  2   1   2   NaN NaN NaN NaN NaN NaN
4   13  Diamond NaN NaN NaN NaN NaN NaN 2   1   2
5   16  Diamond NaN NaN NaN NaN NaN NaN 2   2   2
6   16  Square  2   2   2   NaN NaN NaN NaN NaN NaN

如何将 S1、S2、S3 与 C1、C2、C3、D1、D2、D3 结合起来，使 S1、C1 和 D1 在同一列上，S2、C2 和 D2...（一直到 S16、C16 和D16)？

当形状 = 圆形时，填充的列是 C1-C16，当形状 = 方形时，其 S1-S16 和形状 = 菱形时，其 D1-D16。

我不介意创建一组新的列或将其中的两个复制到现有的集合中，只要我在同一列中拥有所有 #1 分数，#2 相同列等。

谢谢！

Answer 1

IIUC 每个类别都有相同数量的列，并且您希望将其压缩为形状不可知的数字列。 如果是这样，这将起作用：

dfs = []
for var in ['S', 'D', 'C']:
        # filter  columns with a regex
        res = df[df.iloc[:, 2:].filter(regex= var + '\d{1,2}').columns].dropna()
        # rename coumns with just numbers to enable concatenation
        res.columns = range(3)
        dfs.append(res)

df = pd.concat([df.iloc[:, :2], pd.concat(dfs)], 1)
print(df)

输出：

   SC0  Shape        0      1       2
2   1   Circle      1.0     1.0     1.0
3   13  Square      2.0     1.0     2.0
4   13  Diamond     2.0     1.0     2.0
5   16  Diamond     2.0     2.0     2.0
6   16  Square      2.0     2.0     2.0

Answer 2

尝试：

n=3
cols_prefixes=["C", "S", "D"]
for i in range(n):
    cols=[f"{l}{i+1}" for l in cols_prefixes]
    df[f"res{i+1}"]=df[cols].bfill(axis=1).iloc[:,0]
    df=df.drop(columns=cols)

输出：

   SC0    Shape  res1  res2  res3
2    1   Circle   1.0   1.0   1.0
3   13   Square   2.0   1.0   2.0
4   13  Diamond   2.0   1.0   2.0
5   16  Diamond   2.0   2.0   2.0
6   16   Square   2.0   2.0   2.0