合并两个不重叠的pandas数据框的列

Question

我有一个pandas dataframe，其中一对列的每一行，一个单元格是nan，另一个不是。它看起来像这样：

	Var1	Var2
0	3	nan
1	8	nan
2	nan	6
3	4	nan
4	nan	2
5	nan	6

我想将这两列合并为一个，不包括nan值：

	Var1
0	3
1	8
2	6
3	4
4	2
5	6

有什么想法？

- Vincent Clerc

---

df.max(1) 是什么意思？ - Henry Yik

Answer 1

使用fillna函数，将values参数设置为另一个Series。

df['Var1'].fillna(df['Var2'], inplace=True)
df['Var1']

#    Var1
# 0  3
# 1  8
# 2  6
# 3  4
# 4  2
# 5  6

- jcaliz

---

为了使输出与原始问题（OP）的输出一致，需要使用.drop('Var2',1)函数。该函数会删除DataFrame中名为"Var2"的列，并返回结果。 - Umar.H

Answer 2

您可以使用以下方式利用numpy完成此任务。

import numpy as np
import pandas as pd
df = pd.DataFrame({'v1':[np.nan,2,np.nan,4],'v2':[1,np.nan,3,np.nan]})
df['v'] = np.where(np.isnan(df.v1),df.v2,df.v1)
print(df)

输出

    v1   v2    v
0  NaN  1.0  1.0
1  2.0  NaN  2.0
2  NaN  3.0  3.0
3  4.0  NaN  4.0

- Daweo

Answer 3

你可以 stack 帧，这将默认删除 NaN。然后你可以用它的值构造一个新帧：

>>> new_df = pd.DataFrame(df.stack().to_numpy(), columns=["Var1"])
>>> new_df

   Var1
0   3.0
1   8.0
2   6.0
3   4.0
4   2.0
5   6.0

- Mustafa Aydın

Answer 4

另一种方法 - 如果您只有两列。

df.assign(Var1=df.sum(axis=1))[['Var1']]

   Var1
0   3.0
1   8.0
2   6.0
3   4.0
4   2.0
5   6.0

- Umar.H

Answer 5

另一个版本：

df = df.transform(sorted, key=pd.isna, axis=1).dropna(axis=1, how="all")
print(df)

输出：

      ID  var1
0  103.0  11.0
1  104.0  16.0
2  105.0  71.0
3  106.0   2.0
3  107.0   1.0

- Andrej Kesely