Python Dataframe：如何将列值与相邻列值映射？答案

【问题标题】：Python Dataframe: How to map a column value with adjacent columns value?Python Dataframe：如何将列值与相邻列值映射？
【发布时间】：2020-09-09 14:27:07
【问题描述】：

使用带有 python 的 pandas 将列值与相邻列值映射有一个带有值的df

name          exm_date                         att_date    
tom       2019-03-05 11:48:03.166             2020-03-05 11:48:03.166 
mark      2018-03-05 11:48:03.166             2020-03-05 11:48:03.166     
matt      2020-08-05 11:48:03.166              NAT
rob       2020-06-05 11:48:03.166              NAT
chuck     2020-02-05 11:48:03.166              NAT
tom       2020-03-05 11:48:03.166              NAT
matt      2020-02-05 11:48:03.166             2020-03-05 11:48:03.166     
chuck     2020-06-05 11:48:03.166             2020-03-05 11:48:03.166

对于 att_date 中具有 NAT 的值，应从 exm_date 中选择日期预期输出：

name          exm_date                         att_date    
tom       2019-03-05 11:48:03.166             2020-03-05 11:48:03.166 
mark      2018-03-05 11:48:03.166             2020-03-05 11:48:03.166     
matt      2020-08-05 11:48:03.166             2020-08-05 11:48:03.166 
rob       2020-06-05 11:48:03.166             2020-06-05 11:48:03.166  
chuck     2020-02-05 11:48:03.166             2020-02-05 11:48:03.166
tom       2020-03-05 11:48:03.166             2020-03-05 11:48:03.166
matt      2020-02-05 11:48:03.166             2020-03-05 11:48:03.166     
chuck     2020-06-05 11:48:03.166             2020-03-05 11:48:03.166

【问题讨论】：

如果 NAT 不是文本，并且实际上为空，df.ffill(axis=1) 将在同一行使用 exm_date 值填充 att_date。

标签： python python-3.x pandas dataframe pandas-groupby

【解决方案1】：

您可以使用 apply 方法来替换缺失值：

df['att_date'] = df.apply(
    lambda row: row['exm_date'] if row['att_date'] == 'NAT' else row['att_date'],
    axis=1)

【讨论】：

【解决方案2】：

您可以将.loc 与一个布尔值一起使用，如果 att_date 为空，则计算结果为True

df.loc[df['att_date'].isna(),'att_date'] = df['exm_date']
print(df)
     name          exm_date                att_date
0    tom 2019-03-05 11:48:03.166 2020-03-05 11:48:03.166
1   mark 2018-03-05 11:48:03.166 2020-03-05 11:48:03.166
2   matt 2020-08-05 11:48:03.166 2020-08-05 11:48:03.166
3    rob 2020-06-05 11:48:03.166 2020-06-05 11:48:03.166
4  chuck 2020-02-05 11:48:03.166 2020-02-05 11:48:03.166
5    tom 2020-03-05 11:48:03.166 2020-03-05 11:48:03.166
6   matt 2020-02-05 11:48:03.166 2020-03-05 11:48:03.166
7  chuck 2020-06-05 11:48:03.166 2020-03-05 11:48:03.166

【讨论】：

【解决方案3】：

您可以使用fillna 或combine_first

df['att_date'] = df['att_date'].fillna(df['exm_date'])
#or
df['att_date'] = df['att_date'].combine_first(df['exm_date'])

【讨论】：