合并行并用熊猫替换 NaN 值答案

【问题标题】：merging rows and replacing NaN values with pandas合并行并用熊猫替换 NaN 值
【发布时间】：2023-01-23 02:57:05
【问题描述】：

我正在尝试将行彼此合并以获得包含所有存在的值的行。目前 df 看起来像这样： dataframe

我想要的是这样的：


| index | scan .. | snel. | kool .. | note ..  |
| ----- | ------- | ----- | ------- | -------  |
| 0     | 7,8     | 4,0   | 20.0    | Fiasp, ..|

我可以在下面的代码示例中获得该输出，但它看起来真的很乱。

我尝试使用 groupby、agg、sum、max，所有这些都是删除列，看起来像这样： df2.groupby('Tijdstempel apparaat').max().reset_index()

我尝试用前几行的值填充该行，然后删除不包含每个值的行。但这似乎是一项漫长的工作，而且非常混乱。

df2 = df2.loc[df['Tijdstempel apparaat'] == '20-01-2023 13:24']
df2 = df2.reset_index()
del df2['index']
df2['Snelwerkende insuline (eenheden)'].fillna(method='pad', inplace=True)
df2['Koolhydraten (gram)'].fillna(method='pad', inplace=True)
df2['Notities'].fillna(method='pad', inplace=True)
df2['Scan Glucose mmol/l'].fillna(method='pad', inplace=True)
print(df2)
# df2.loc[df2[0,'Snelwerkende insuline (eenheden)']] = df2.loc[df2[1, 'Snelwerkende insuline (eenheden)']]
df2.drop([0, 1, 2])

输出：

当我必须对整个 data.csv 执行此操作时（每当多次发现像“20-01-2023 13:24”这样的时间戳时）我担心它会非常缓慢且耗时。

【问题讨论】：

标签： python pandas csv

【解决方案1】：

样本数据作为您的数据

df = pd.DataFrame(data={
    "times":["date1","date1","date1","date1","date1"],
    "type":[1,2,3,4,5],
    "key1":["val1",None,None,None,None],
    "key2":[None,"val2",None,None,None],
    "key3":[None,None,"val3",None,None],
    "key4":[None,None,None,"val4",None],
    "key5":[None,None,None,None,"val5"],
})
print(df)
print("#======================================================================")

解决方案

df = df.melt(
    id_vars="times",
    value_vars=df.columns[1:]
)

print(df)
print("#======================================================================")

df = df.pivot_table(index="times", columns="variable", values="value", aggfunc=lambda x: x).applymap(lambda x: ",".join([str(val) for val in x if val]))

# change types location
index = list(df.columns).index("type")
change_df_type = pd.concat([df.iloc[:,index:], df.iloc[:,:index]], axis=1)

print(change_df_type)
print("#======================================================================")

【讨论】：