如何在数据框中合并具有相同列名的列

Question

我是pandas的新手。我的数据集看起来像这样：

  A   A   A   B   B   B
a NaN NaN 2   NaN NaN 5
b NaN 1   NaN 9   NaN NaN
c 3   NaN     NaN 7   NaN

我怎样才能获得

  A   B 
a 2   5
b 1   9 
c 3   7

似乎合并和连接是用于多个数据框的。我也尝试过。

df.groupby(by=[A,B], axis=1)

但收到了

ValueError: Grouper and axis must be same length

- xiaoshir

---

df.groupby(level=0, axis=1).sum() 是什么意思？ - jezrael

Answer 1

我相信你需要使用汇总函数，例如sum，mean，first，last等来指定第一级：

import pandas as pd

df = df.groupby(level=0, axis=1).sum()
print (df)
     A    B
a  2.0  5.0
b  1.0  9.0
c  3.0  7.0

如果需要按列名称筛选列，请使用subset：

df = df[['A','B']].groupby(level=0, axis=1).sum()

如果使用索引值：

df1 = df.T
print (df1)
     a    b    c
A  NaN  NaN  3.0
A  NaN  1.0  NaN
A  2.0  NaN  NaN
B  NaN  9.0  7.0
B  NaN  NaN  NaN
B  5.0  NaN  NaN

df = df1.groupby(level=0).sum()
#default parameter axis=0 should be omit above
#df = df1.groupby(level=0, axis=0).sum()
print (df)
     a    b    c
A  2.0  1.0  3.0
B  5.0  9.0  7.0

- jezrael

---

好的，这样做就可以了。但我的问题是：为什么我必须指定一个级别？我认为只有当轴1中有多个级别时才需要级别，而这并不是这种情况。 - xiaoshir

@edge27 - 我认为这是因为在处理列名时，如果需要使用索引，则必须指定它。df.T.groupby(level=0).sum()与df.T.groupby(level=0, axis=0).sum()相同。因此，对于列需要axis=1来获取列，并且对于第一级需要level=0。我还认为这是为了区分列中的MultiIndex，然后可以始终指定级别，例如df = df.groupby(level=1, axis=1).sum()。 - jezrael

Answer 2

也许可以使用first。

df.groupby(df.columns,axis=1).first()
Out[35]: 
     A    B
a  2.0  5.0
b  1.0  9.0
c  3.0  7.0

- BENY

---

由于df.groupby(df.columns,axis=1)是一个pandas.core.groupby.DataFrameGroupBy对象，我无法看到它的样子，所以你能解释一下.first()是做什么的吗？ - xiaoshir

@edge27 它将返回每个组的第一个非空值。 - BENY

Answer 3

一种简洁的方法是使用带有numpy.isfinite的列表推导式：

import pandas as pd, numpy as np

arr = [list(filter(np.isfinite, x)) for x in df.values]

res = pd.DataFrame(arr, columns=['A', 'B'], index=['a', 'b', 'c'], dtype=int)

结果：

   A  B
a  2  5
b  1  9
c  3  7

- jpp