Question

我是熊猫的新手。我正在尝试与this答案相同的内容。

我有类似

的数据

[4]

我想要

之类的数据

SubjectID       Visit    Value1    Value2    Value3
                 1         1.57      1.75     1.56   
                 1         1.56       N/A     N/A 
    B1           2         N/A       1.56     N/A

我尝试过的是

SubjectID       Visit    Value1    Value2    Value3
                 1     1.57,1.56      1.75     1.56    
    B1           2         N/A       1.56     N/A

有什么建议可以解决这个问题？

Answer 1

将GroupBy.agg与自定义lambda函数一起使用，并通过Series.dropna删除丢失的值并将其强制转换为字符串，如果缺少所有值，则返回np.nan：

f = lambda val: np.nan if val.isna().all() else ','.join(val.dropna().astype(str))
df = df.groupby(['SubjectID', 'Visit']).agg(f).reset_index()
print (df)
  SubjectID  Visit     Value1  Value2  Value3
0                1  1.57,1.56    1.75    1.56
1        B1      2        NaN    1.56     NaN

如果需要空字符串而不是缺少值，则解决方案更简单：

f = lambda val: ','.join(val.dropna().astype(str))
df1 = df.groupby(['SubjectID', 'Visit']).agg(f).reset_index()
print (df1)
  SubjectID  Visit     Value1  Value2 Value3
0                1  1.57,1.56    1.75   1.56
1        B1      2               1.56

Answer 2

使用groupby并加入同一组中的值：

(
    df.fillna('')
    .astype(str).groupby(by=['SubjectID', 'Visit'])
    .agg(lambda x: ','.join(x.loc[x!='']))
    .reset_index()
)

    SubjectID   Visit   Value1      Value2  Value3
0               1       1.57,1.56   1.75    1.56
1   B1          1                   1.56

熊猫合并具有相同值和具有多个空值的相同索引的行

2 个答案: