嗨,我正在努力解决以下问题:
给定一个具有列name
和variable
的数据框,我想创建2个列表:
下面是一个例子
import pandas
import numpy
df = pandas.DataFrame(data=[['x',1],['y',2],['x',4],['z',numpy.nan],
['x',numpy.nan],['y',3],['x',numpy.nan],['z',numpy.nan],],
columns=['name','variable'])
df:
name variable
0 x 1.0
1 y 2.0
2 x 4.0
3 z NaN
4 x NaN
5 y 3.0
6 x NaN
7 z NaN
所需的输出应该是
list_names_nan = [z]
list_names_not_nan = [x,y]
答案 0 :(得分:3)
使用Series.isna
创建一个布尔掩码,然后在此掩码上使用Series.groupby
并使用all
进行汇总,最后使用此掩码m
过滤nan
并not_nan
个值:
m = df['variable'].isna().groupby(df['name']).all()
nan, not_nan = m[m].index.tolist(), m[~m].index.tolist()
结果:
['z'] # nan
['x', 'y'] # not_nan
答案 1 :(得分:0)
这是使用自定义聚合函数的另一种方式:
agg = df.groupby('name').agg(lambda x: all(np.isnan(x))).reset_index()
这将生成一个聚合数据帧:
name variable
0 x False
1 y False
2 z True
然后,您只需获取False
或True
的名称
list_names_nan = agg.loc[agg['variable']==True]['name'].tolist()
list_names_not_nan = agg.loc[agg['variable']==False]['name'].tolist()