Question

我有一个这样的数据帧df，

   Name     Net        Quantity  
0  Auto     1010       10
1  NaN      NaN        12
2  Rtal     4145       18
3  NaN      NaN        14
4  Indl     6223       16
5  NaN      7222       18

我的输出数据框应该是这样的，

       Name     Net         Quantity  
    0  Auto     1010        10,12
    1  Rtal     4145        18,14
    2  Indl     6223,7222   16,18

从上面的数据框中可以看到，如果要在奇数（索引）中存在任何值，我想将值与偶数（索引）行组合起来，以便获得输出。

我尝试了以下方法来提取奇数值，

df.iloc[1::2, :]

这给了我以下内容，

    Name    Net   Quantity
1   NaN     NaN       12
3   NaN     NaN       14
5   NaN     7222.0    18

此后，我现在不介绍如何将这些值添加到df的偶数索引中。除此之外，我不确定我的方法是否正确。如果有人可以提供建议/帮助，我将不胜感激。

Answer 1

如果您对“ Net”中的浮点数没问题，则可以使用groupby和agg：

df.groupby(df.index // 2).agg(lambda x: x.dropna().astype(str).str.cat(sep=','))

   Name            Net Quantity
0  Auto         1010.0    10,12
1  Rtal         4145.0    18,14
2  Indl  6223.0,7222.0    16,18

要处理浮点数，解决方案变得更加复杂；您可以使用ffill并尝试进行向下转换。

df.groupby(df.index // 2).agg(
    lambda x: ','.join(x.ffill(downcast='infer').astype(str).unique()))

   Name        Net Quantity
0  Auto       1010    10,12
1  Rtal       4145    18,14
2  Indl  6223,7222    16,18

Answer 2

一种解决方案是先使用ffill，然后再使用自定义函数来groupby。请注意，该解决方案不显式依赖于数据帧索引，因此也适用于更常见的情况，在这种情况下，您可以从上一行推断出任意NaN值。

# forward fill to remove null values
df = df.ffill(downcast='infer')

# convert to str so you can use str.join later
grp_cols = ['Net', 'Quantity']
df[grp_cols] = df[grp_cols].astype(str)

# apply groupby with custom functions
res = df.groupby('Name').agg({'Net': lambda x: ','.join(np.unique(x)),
                              'Quantity': lambda x: ','.join(x)}).reset_index()

print(res)

#    Name        Net Quantity
# 0  Auto       1010    10,12
# 1  Indl  6223,7222    16,18
# 2  Rtal       4145    18,14

Answer 3

获取偶数行：df[df.index.map(lambda x: x%2==0)]

获取奇数行：df[df.index.map(lambda x: x%2==1)]

在熊猫中合并奇数和偶数索引行

3 个答案: