如何通过熊猫数据框连接特定行答案

【问题标题】：how to concat specific rows through a pandas dataframe如何通过熊猫数据框连接特定行
【发布时间】：2021-09-03 15:50:59
【问题描述】：

所以，我有这种情况：

有一个这样的数据框：

Number	Description
10001	name 2
1002	name2(pt1)
NaN	name2(pt2)
1003	name3
1004	name4(pt1)
NaN	name4(pt2)
1005	name5

所以，我需要将名称（第 1 部分和第 2 部分）连接到一个字段中，然后删除 NaN 行，但我不知道如何执行此操作，因为这些行不遵循特定的间隔模式

【问题讨论】：

你想要的输出是什么样的？

标签： python pandas merge concatenation

【解决方案1】：

在基于notna 数值的系列上尝试使用groupby aggregate。

组的创建来源：

df['Number'].notna().cumsum()

0    1
1    2
2    2
3    3
4    4
5    4
6    5
Name: Number, dtype: int32

然后聚合取'第一个'Number（因为第一个值保证不是na）并执行一些操作来组合Descriptions，如join：

new_df = (
    df.groupby(df['Number'].notna().cumsum(), as_index=False)
        .aggregate({'Number': 'first', 'Description': ''.join})
)

new_df:

    Number           Description
0  10001.0                name 2
1   1002.0  name2(pt1)name2(pt2)
2   1003.0                 name3
3   1004.0  name4(pt1)name4(pt2)
4   1005.0                 name5

或逗号分隔join:

new_df = (
    df.groupby(df['Number'].notna().cumsum(), as_index=False)
        .aggregate({'Number': 'first', 'Description': ','.join})
)

new_df:

    Number            Description
0  10001.0                 name 2
1   1002.0  name2(pt1),name2(pt2)
2   1003.0                  name3
3   1004.0  name4(pt1),name4(pt2)
4   1005.0                  name5

或者list:

new_df = (
    df.groupby(df['Number'].notna().cumsum(), as_index=False)
        .aggregate({'Number': 'first', 'Description': list})
)

new_df:

    Number               Description
0  10001.0                  [name 2]
1   1002.0  [name2(pt1), name2(pt2)]
2   1003.0                   [name3]
3   1004.0  [name4(pt1), name4(pt2)]
4   1005.0                   [name5]

【讨论】：