Question

我有一个看起来像这样的数据框：

        |     col1    |     col2     |     col3     |     col4     |
--------------------------------------------------------------------
type    |             |cat1|cat2|cat3|cat1|cat2|cat3|cat1|cat2|cat3|
--------------------------------------------------------------------
0       |ID1          |1   |NaN |1   |NaN |5   |5   |77  |77  |77  |
--------------------------------------------------------------------
1       |ID2          |4   |4   |NaN |6   |6   |6   |NaN |8   |8   |
--------------------------------------------------------------------
2       |ID3          |11  |11  |11  |9   |9   |NaN |24  |NaN |24  |
--------------------------------------------------------------------

注意：

上方有4列，但只有3列具有进一步的子类别。

每个子类别的值都应相同，除非存在NaN（可以在任何地方）。

我想使最终数据帧看起来像这样：

        |     col1    |     col2     |     col3     |     col4     |
--------------------------------------------------------------------
0       |ID1          |       1      |       5      |      77      |
--------------------------------------------------------------------
1       |ID2          |       4      |       6      |      8       |
--------------------------------------------------------------------
2       |ID3          |       11     |       9      |      24      |  
--------------------------------------------------------------------

基本上我想减少多余的级别，只保留类别的值（因为所有值都相同），而不选择NaN。

最终数据帧不能包含NaN。

最初，我认为仅基于第一类进行切片就足够了，但是由于NaN可以在任何地方，所以不起作用。

有什么想法吗？

Answer 1

列col1不是1级列。它具有与其他列相同的2个级别。它的第二级不显示任何内容，因为它是空字符串。尝试运行df.columns，您会看到这样的输出

print(df.columns)

Out[637]:
MultiIndex([('col1',     ''),
            ('col2', 'cat1'),
            ('col2', 'cat2'),
            ('col2', 'cat3'),
            ('col3', 'cat1'),
            ('col3', 'cat2'),
            ('col3', 'cat3'),
            ('col4', 'cat1'),
            ('col4', 'cat2'),
            ('col4', 'cat3')],
           )

要获得所需的输出，您需要在列groupby的{{1}}上使用level=0并调用axis=1

first

忽略NaN时仅保留2级多索引熊猫数据框的一列值

1 个答案: