具有不完美數據的 df：df = pd.DataFrame({'A Surname' : ['Smith', 'Longshore', 'Jones'], 'A Title': ['Mr', 'Miss', np.nan], 'B Surname' : ['Smith', np.nan, 'Nguyen'], 'B Title': ['Mrs', np.nan, np.nan]})我正在尋找一列，該列包含適合在可能的情況下同時尋址 A 和 B 的字符串。如果有np.nan，則組合字段返回np.nan，并且它需要符合邏輯（例如，如果“B姓氏”是np.nan，則不要使用“B標題”），所以我需要一系列規則來確定最合適的組合。我不成功的做法：def combined(x): full = df['A Title'] + ' ' & df['A Surname'] & ' & ' & df['B Title'] & ' ' & df['B Surname'] no_title = df['A Surname'] & ' & ' & df['B Surname'] # more combinations if full != np.nan: return full elif no_title != np.nan: return no_title # more elifs else: return df['A Surname'] df['combined string'] = np.nandf['combined string'] = df['combined string'].apply(combined)所需的輸出如下所示：desired_df = pd.DataFrame({'A Surname' : ['Smith', 'Longshore', 'Jones'], 'A Title': ['Mr', 'Miss', 'Mr'], 'B Surname' : ['Smith', np.nan, 'Whatever'], 'B Title': ['Mrs', np.nan, np.nan], 'combined string': ['Mr Smith & Mrs Smith', 'Miss Longshore', 'Jones & Whatever']})有什么實際的方法可以做到這一點？
2 回答
滄海一幻覺
TA貢獻1824條經驗 獲得超5個贊
Series.str.cat與這里一起使用Series.str.strip：
a = df['A Title'].str.cat(df['A Surname'], sep=' ', na_rep='').str.strip()
b = df['B Title'].str.cat(df['B Surname'], sep=' ', na_rep='').str.strip()
df['combined string'] = a.str.cat(b, sep=' & ').str.strip(' &')
print (df)
? ?A Surname A Title B Surname B Title? ? ? ?combined string
0? ? ? Smith? ? ? Mr? ? ?Smith? ? ?Mrs? Mr Smith & Mrs Smith
1? Longshore? ? Miss? ? ? ?NaN? ? ?NaN? ? ? ? Miss Longshore
2? ? ? Jones? ? ?NaN? ? Nguyen? ? ?NaN? ? ? ? Jones & Nguyen
qq_遁去的一_1
TA貢獻1725條經驗 獲得超8個贊
找到了一個將函數與 一起應用的解決方案axis=1，允許引用函數中的其他列。
def combined(x):
if x['B Surname'] == '':
if x['A Title'] == '':
return x['A Surname']
else:
return x['A Title'] + ' ' + x['A Surname']
else:
if (x['A Title'] == '') or (x['B Title'] == ''):
return x['A Surname'] + ' & ' + x['B Surname']
else:
return x['A Title'] + ' ' + x['A Surname'] + ' & ' + x['B Title'] + ' ' + x['B Surname']
df = df.fillna('')
df['combined string'] = df.apply(combined, axis=1)
np.nan 值必須轉換為空字符串，因為我無法弄清楚如何避免將 np.nans 轉換為“nan”字符串或在函數內重新分配列值。
注意df = df.fillna('')適用于整個 df。所有空字符串都可以通過以下方式轉換為 nandf = df.replace(r'^\s*$', np.nan, regex=True)
添加回答
舉報
0/150
提交
取消