如何在pandas数据框中删除和移动列的值

Question

我有一个 pandas 数据框，我想对它进行操作使其有序。因此，对于下面的数据框，我希望 'I' 被排序。所以数值将会是 10-50。我有两个选项来做到这一点：

1）尝试删除列 ['G'] 或 ['H'] 中的值。因此，如果值等于 X，则删除。

2）尝试在相同的列中合并值，当它们等于 X 时。

import pandas as pd

d = pd.DataFrame({
        'J' : [10,'B','C','C',50],
        'I' : ['B',20,30,40,'C'],
        'H' : ['X','A','C','B','X'],         
        'G' : ['X', 'B', 'A','B','X'],                                 
        })

输出：

   G  H   I   J
0  X  X   B  10
1  B  A  20   B
2  A  C  30   C
3  B  B  40   C
4  X  X   C  50

选项1是我们从H列中删除X，预期的输出将是：

   G  H   I   J
0  X  B  10
1  B  A  20   B
2  A  C  30   C
3  B  B  40   C
4  X  C  50

选项2是我们在“G-H列”上合并X，预期的输出结果如下：

   G   H   I   J
0  XX  B  10
1  B   A  20   B
2  A   C  30   C
3  B   B  40   C
4  XX  C  50

我尝试过使用df = df.drop(df.H == 'X')，但这会删除整行。

- user9410826

---

你能在需要时向DataFrame添加更多数据吗？如果X在H列中，则G列中始终存在X吗？ - jezrael

Answer 1

选项1：

对于符合条件df.H == 'X'的行，您可以将值向左移动：

使用以下变量定义：

hij = ['H', 'I', 'J']
x = df.H=='X'

我们可以简洁地编写班次安排。

df.loc[x, hij] = df.loc[x, hij].apply(lambda x: x.shift(-1), axis=1)
outputs:
    G   H   I   J
0   X   B   10  NaN
1   B   A   20  B
2   A   C   30  C
3   B   B   40  C
4   X   C   50  NaN

选项2：

同样的原理，但需要两个语句。

我们可以将H连接到G。

df.loc[x, 'G'] = df.loc[x, 'G'] + df.loc[x, 'H']
# df.loc[x, 'G'] = df.loc[x, ['G, 'H']].sum(axis=1)
# or df.loc[x, ['G', 'H']].apply(np.sum, axis=1)
# or df.loc[x, 'G'] = df.loc[x, ['G', 'H']].apply(lambda x: (x + x.shift(-1))[0], axis=1)

并且像选项1一样进行移位

df.loc[x, hij] = df.loc[x, hij].apply(lambda x: x.shift(-1), axis=1)
final output:
    G   H   I   J
0   XX  B   10  NaN
1   B   A   20  B
2   A   C   30  C
3   B   B   40  C
4   XX  C   50  NaN

- Haleemur Ali

Answer 2

更一般的解决方案应该是，如果在G或H列中有X，则将它们合并，并根据条件shift 。

d = pd.DataFrame({
        'J' : [10,'B','C','C',50, 60],
        'I' : ['B',20,30,40,'C', 'D'],
        'H' : ['X','A','C','B','X', 'Y'],         
        'G' : ['Y', 'B', 'A','B','X', 'X'],                                 
        }, columns=list('GHIJ'))
print (d)
   G  H   I   J
0  Y  X   B  10
1  B  A  20   B
2  A  C  30   C
3  B  B  40   C
4  X  X   C  50
5  X  Y   D  60

---

m = d[['G','H']].eq('X').any(axis=1)
print (m)

0     True
1    False
2    False
3    False
4     True
5     True
dtype: bool

d['H'] = d['G'] + d['H'] 
d[m] = d[m].shift(-1, axis=1)
print (d)
    G   H   I    J
0  YX   B  10  NaN
1   B  BA  20    B
2   A  AC  30    C
3   B  BB  40    C
4  XX   C  50  NaN
5  XY   D  60  NaN 

- jezrael

Answer 3

对于您的第一个问题，请将“X”替换为np.nan，然后对数据框进行排序（移动该值）。

d.replace({'H':{'X':np.nan}}).apply(lambda x: sorted(x, key=pd.isnull),1).fillna('')
Out[234]:
   G  H   I  J
0  X  B  10
1  B  A  20  B
2  A  C  30  C
3  B  B  40  C
4  X  C  50

对于问题二：使用np.where首先创建d.G，然后我们与上面做的一样。

d.G=np.where((d.G=='X')&(d.H=='X'),'XX',d.G)

d.replace({'H':{'X':np.nan}}).apply(lambda x: sorted(x, key=pd.isnull),1).fillna('')


Out[242]: 
    G  H   I  J
0  XX  B  10   
1   B  A  20  B
2   A  C  30  C
3   B  B  40  C
4  XX  C  50   

- BENY

Answer 4

你可以使用np.where和shift来实现。

ndf = pd.DataFrame(np.where((d['H']=='X')[:,None],
                       d.assign(H=d.H+d.G).shift(-1,axis=1), #only d.shift(...) in case you dont want to add  
                       d), columns=d.columns)

    G  H   I    J
0  XX  B  10  NaN
1   B  A  20    B
2   A  C  30    C
3   B  B  40    C
4  XX  C  50  NaN

- Bharath M Shetty