根据另一列中的值填充一列

Question

嗨，我正在与pandas合作来处理一些实验室数据。我目前有一个5列的data frame。

• 前三列（分析物，CAS NO（1）和值）的顺序正确。
• 最后两列（CAS NO 2和值2）不是。

有没有一种方法可以根据匹配的CAS号（又名CAS NO（2）= CAS（NO1））将CAS No（2）和Value（2）与前三列对齐。

我是python和pandas的新手。谢谢您的帮助

Answer 1

您可以通过将df变量重新分配为其本身的一个切片（在其条目为相关列名称的列表上）来重新排序列。

colidx = ['Analyte', 'CAS NO(1)', 'CAS NO(2)']
df = df[colidx]

Answer 2

最好以文本格式提供输入数据，因此我们可以将其复制粘贴。我了解您这样的问题：您需要将最后两列排序在一起，以便CAS NO（2）匹配CAS NO（1）。

自CAS NO(2)=CAS(NO1)起，您就不需要重复的CAS NO(2)列了吧？

分割最后两列并从中创建一个系列，然后将该系列转换为字典，并使用该字典映射新值。

# Split 2 last columns and assign index.
df_tmp = df[['CAS NO(2)', 'Value(2)']]
df_tmp = df_tmp.set_index('CAS NO(2)')

# Keep only 3 first columns of original dataframe
df = df[['Analyte',' CASNo(1)', 'Value(1)']]

# Now copy the CasNO(1) to CAS NO(2)
df['CAS NO(2)'] = df['CasNO(1)']

# Now create Value(2) column on original dataframe
df['Value(2)'] = df['CASNo(1)'].map(df_tmp.to_dict()['Value(2)'])

Answer 3

尝试以下操作：

import pandas as pd
import numpy as np

#create an example of your table
list_CASNo1 = ['71-43-2', '100-41-4', np.nan, '1634-04-4']
list_Val1 = [np.nan]*len(list_CASNo1)
list_CASNo2 = [np.nan, np.nan, np.nan, '100-41-4']
list_Val2 = [np.nan, np.nan, np.nan, '18']

df = pd.DataFrame(zip(list_CASNo1, list_Val1, list_CASNo2, list_Val2), columns =['CASNo(1)','Value(1)','CAS NO(2)','Value(2)'], index = ['Benzene','Ethylbenzene','Gasonline Range Organics','Methyl-tert-butyl ether'])

#split the data to two dataframes
df1 = df[['CASNo(1)','Value(1)']]
df2 = df[['CAS NO(2)','Value(2)']]

#merge df2 to df1 based on the specified columns
#reset_index and set_index will take care
#that df_adjusted will have the same index names as df1
df_adjusted = df1.reset_index().merge(df2.dropna(),
                                      how = 'left',
                                      left_on = 'CASNo(1)',
                                      right_on = 'CAS NO(2)').set_index('index')

但请注意列中的重复项，否则将导致合并失败。