合並行並用 pandas 替換 NaN 值

Question

我試圖將行彼此合並以獲得包含所有存在的值的行。 目前 df 看起來像這樣： dataframe

我想要的是這樣的：

| index | scan .. | snel. | kool .. | note ..  |
| ----- | ------- | ----- | ------- | -------  |
| 0     | 7,8     | 4,0   | 20.0    | Fiasp, ..|

我可以在下面的代碼示例中得到 output，但它看起來真的很亂。

我嘗試使用 groupby、agg、sum、max，所有這些都是刪除列，看起來像這樣： df2.groupby('Tijdstempel apparaat').max().reset_index()

我嘗試用前幾行的值填充該行，然后刪除不包含每個值的行。 但這似乎是一項漫長的工作，而且非常混亂。

df2 = df2.loc[df['Tijdstempel apparaat'] == '20-01-2023 13:24']
df2 = df2.reset_index()
del df2['index']
df2['Snelwerkende insuline (eenheden)'].fillna(method='pad', inplace=True)
df2['Koolhydraten (gram)'].fillna(method='pad', inplace=True)
df2['Notities'].fillna(method='pad', inplace=True)
df2['Scan Glucose mmol/l'].fillna(method='pad', inplace=True)
print(df2)
# df2.loc[df2[0,'Snelwerkende insuline (eenheden)']] = df2.loc[df2[1, 'Snelwerkende insuline (eenheden)']]
df2.drop([0, 1, 2])

Output：

當我必須對整個數據執行此操作時。csv（每當多次發現像“20-01-2023 13:24”這樣的時間戳時）我擔心它會非常緩慢且耗時。

Answer 1

樣本數據作為您的數據

df = pd.DataFrame(data={
    "times":["date1","date1","date1","date1","date1"],
    "type":[1,2,3,4,5],
    "key1":[1,None,None,None,None],
    "key2":[None,"2",None,None,None],
    "key3":[None,None,3,None,None],
    "key4":[None,None,None,"val",None],
    "key5":[None,None,None,None,5],
})

解決方案

melt = df.melt(id_vars="times",
        value_vars=df.columns[1:],)

melt = melt.dropna()

pivot = melt.pivot_table(values="value", index="times", columns="variable", aggfunc=lambda x: x)

更改類型列位置

index = list(pivot.columns).index("type")
pivot = pd.concat([pivot.iloc[:,index:], pivot.iloc[:,:index]], axis=1)