根据条件组合 2 列 dataframe

Question

我创建了一个数据框

data = [['Nan', 10], [4, 'Nan'], ['Nan', 12], ['Nan', 13], [5, 'Nan'], [6, 'Nan'], [7, 'Nan'], ['Nan', 8]]
df = pd.DataFrame(data, columns = ['min', 'max'])
print(df)

我的数据集看起来像，

min    max
Nan    10
4      Max
Nan    12
Nan    13
5      Nan 
6      Nan
7      Nan
Nan    8

我想创建一个新列，它将从 min 中获取一个值，然后从 max 中获取一个值。 如果有续。 2个最小值/最大值（我们可以看到12和13是2个值）我只需要考虑一个值（只考虑12然后移动到select min）

简而言之，新列应该有一个最小值行，然后是一个最大值行，依此类推。

OUTPUT 应该是

combined
10
4
12
5
8

Answer 1

您可以尝试使用.where()将前一行的min和max更改为NaN ，而不是NaN 。 然后删除min和max均为NaN的行。 然后使用.combine_first()将min中的NaN值更新为每行中的max值：

df = df.replace('Nan', np.nan)

df['min'] = df['min'].where(df['min'].shift().isna())
df['max'] = df['max'].where(df['max'].shift().isna())
df = df.dropna(how='all')
df['combined'] = df['min'].combine_first(df['max'])

结果：

print(df)


   min   max  combined
0  NaN  10.0      10.0
1  4.0   NaN       4.0
2  NaN  12.0      12.0
4  5.0   NaN       5.0
7  NaN   8.0       8.0

Answer 2

堆叠 dataframe 以重塑为多索引系列，然后重置 1 级索引，然后使用 boolean 索引过滤器/仅选择min后跟max的行，反之亦然

s = df[df != 'Nan'].stack().reset_index(name='combined', level=1)
m = s['level_1'] != s['level_1'].shift()
s[m].drop('level_1', 1)

---

   combined
0      10.0
1       4.0
2      12.0
4       5.0
7       8.0

Answer 3

您可以做的是为要包含的第一个值定义第一个键，例如“max”，然后在更改键的同时遍历 DataFrame 和 append 值到您的数据结构。 同时，您必须检查“NaN”值，因为您有很多这样的值，

combined = []
key = 'max'
for index, row in df.iterrows():
  if not row[key] != row[key]:
    combined.append(row[key])
    if key == 'max':
      key = 'min'
    else:
      key = 'max'

在这里，我刚刚硬编码了第一个值，但如果您不想这样做，您可以检查第一行中的哪一列的实际值不是“NaN”，然后将其设为键。

注意：我已将数据添加到列表中，因为当长度不同时，我不确定您打算如何将其作为列包含在内。

Answer 4

如果我的假设是正确的，那么这应该有效。

1. 该值是 'Nan' 字符串，而不是 np.NaN
2. 如果 min 列具有“Nan”值，则 max 列将具有数字，反之亦然，这意味着任何行都不能有两个数字。

import numpy as np
import pandas as pd


data = [['Nan', 10], [4, 'Nan'], ['Nan', 12], ['Nan', 13], [5, 'Nan'], [6, 'Nan'], [7, 'Nan'], ['Nan', 8]]
df = pd.DataFrame(data, columns = ['min', 'max'])


df['combined'] = np.where(df['min']!='Nan', df['min'], df['max'])

这是我得到的 output

   min  max combined
0  Nan   10       10
1    4  Nan        4
2  Nan   12       12
3  Nan   13       13
4    5  Nan        5
5    6  Nan        6
6    7  Nan        7
7  Nan    8        8