Question

我有一个数据框，该数据框在某种程度上具有“重复”行。假设我有A = ['name' : john, 'age' : 15, 'email' : NaN, 'school' : middle]行和B = ['name' : john, 'age' : 15, 'email' : john@gmail.com, 'school' : NaN]行。 A和B的结果行应为['name' : john, 'age' : 15, 'email' : john@gmail.com, 'school' : middle]。

到目前为止，我已经尝试在数据帧上使用iterrows（）并更改值，但是更改不会保存。我的代码：

duplicated = df[df.duplicated(['name', 'age'], keep = False)].sort_values('name')
row_iterator = duplicated.iterrows()

_, last = row_iterator.__next__()
for k, row in row_iterator:
    if row['name'] == last['name']:
        for i in duplicated.columns:
            if row[i] == last[i]:
                continue
            if pd.isna(row[i]):
                row[i] = last[i]
            if pd.isna(last[i]):
                last[i] = row[i]
    last = row

df是我拥有所有数据的数据框的名称。然后，我只将重复的行切成duplicated。之后，我遍历数据框并尝试进行更改。但是我所做的改变最终还是迷失了。我在做什么错了？

Answer 1

我们可以通过两种方式解决您的问题：

方法1 ：使用bfill，ffill和drop_duplicates：

df = df.bfill().ffill().drop_duplicates()

   name  age           email  school
0  john   15  john@gmail.com  middle

方法2 ：GroupBy.first：

df = df.groupby(['name', 'age']).first().reset_index()

   name  age           email  school
0  john   15  john@gmail.com  middle

遍历数据框时所做的更改不会保存

1 个答案: