![](/img/trans.png)
[英]Find rows of a dataframe that have same non-unique column values as a column in another dataframe
[英]Replacing NaN values in a DataFrame row with values from other rows based on a (non-unique) column value
我有一个类似于以下内容的 DataFrame,其中我有一列具有非唯一值(在本例中为地址)以及其他一些包含有关它的信息的列。
df = pd.DataFrame({'address': {0:'11 Star Street', 1:'22 Milky Way', 2:'88 Dark Drive', 3:'33 Planet Place', 4:'22 Milky Way', 5:'22 Milky Way'}, 'val': {0:10, 1:'', 2:'', 3:20, 4: 20, 5:''}, 'val2': {0:20, 1:'', 2:'', 3:40, 4:10, 5:''}})
address val val2
0 11 Star Street 10 20
1 22 Milky Way
2 88 Dark Drive
3 33 Planet Place 20 40
4 22 Milky Way 20 10
5 22 Milky Way
一些地址在 DataFrame 中出现不止一次,而其中一些重复的地址缺少信息。 如果某行缺少值,但该地址出现在 DataFrame 的另一行中,我想用来自同一地址的值替换 NaN 值以获得如下内容:
address val val2
0 11 Star Street 10 20
1 22 Milky Way 20 10
2 88 Dark Drive
3 33 Planet Place 20 40
4 22 Milky Way 20 10
5 22 Milky Way 20 10
使用字典之类的东西是不可行的,因为 DataFrame 包含数千个不同的地址。
编辑:可以安全地假设两个值都缺失或两者都存在。 换句话说,永远不会有一行只有 val 而不是 val2,反之亦然。 但是,可以将这种可能情况考虑在内的答案会更好!
您可以通过多种方式执行此操作,最简单的是 groupby 和 ffill / bfill 组。
import numpy as np
import pandas as pd
df = df.replace('',np.nan,regex=True).groupby('address').apply(lambda x : x.ffill().bfill())
print(df)
address val val2
0 11 Star Street 10.0 20.0
1 22 Milky Way 20.0 10.0
2 88 Dark Drive NaN NaN
3 33 Planet Place 20.0 40.0
4 22 Milky Way 20.0 10.0
5 22 Milky Way 20.0 10.0
另一种更高效的方法是沿轴使用update
。
vals = df.replace('',np.nan,regex=True).groupby('address').first()
print(vals)
val val2
address
11 Star Street 10.0 20.0
22 Milky Way 20.0 10.0
33 Planet Place 20.0 40.0
88 Dark Drive NaN NaN
df = df.set_index('address')
df.update(vals)
val val2
address
11 Star Street 10 20
22 Milky Way 20 10
88 Dark Drive
33 Planet Place 20 40
22 Milky Way 20 10
22 Milky Way 20 10
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.