提问人：itsavy 提问时间：11/15/2023 更新时间：11/15/2023 访问量：59
Python pandas 根据条件和模式添加具有值的列
Python pandas add column with values based on condition and pattern
问：
我的python pandas数据帧最初使用openpyxl引擎来处理excel处理， 可以用简单的形式描述为
df1 = pd.DataFrame({"col1":["",99,88,np.nan,66,55,np.nan,11,22],"col2":['Catg0','Asset1','Other','Catg1','H & F','Large Item','Catg2','Fragile','Delicate item'],"col3":["",0,0,np.nan,99,155,np.nan,83,115]})
col1 col2 col3
0 Catg0
1 99 Asset1 0
2 88 Other 0
3 NaN Catg1 NaN
4 66 H & F 99
5 55 Large Item 155
6 NaN Catg2 NaN
7 11 Fragile 83
8 22 Delicate item 115
当我尝试通过从其他列 （col2） 中透视值来进一步修改它时，当该行的其他列数据为空或 nan 时，通过从其他列 （col2） 中透视值来进一步修改它，直到下一个这样的条件满足
它应该在透视后删除该行
col1 col4 col2 col3
0 99 Catg0 Asset1 0
1 88 Catg0 Other 0
2 66 Catg1 H & F 99
3 55 Catg1 Large Item 155
4 11 Catg2 Fragile 83
5 22 Catg2 Delicate item 115
import pandas as pd
import numpy as np
df1 = pd.DataFrame({"col1":["",99,88,np.nan,66,55,np.nan,11,22],"col2":['Catg0','Asset1','Other','Catg1','H & F','Large Item','Catg2','Fragile','Delicate item'],"col3":["",0,0,np.nan,99,155,np.nan,83,115]})
df1.insert(1, "col4", 'Catg')
我正在尝试找到添加这些基于模式或conditin的逻辑来填充“col4”并丢弃该行的方法
答：
1赞
jezrael
11/15/2023
#1
您可以按所有列识别空或 s，而无需先通过 DataFrame.drop 删除列，如果所有其他列由 DataFrame.all 替换 s 并测试空字符串，然后添加 Series.where，向前填充重复类别的缺失值，最后在布尔索引中过滤掉此行：nancol2NaN
m = df1.drop('col2', axis=1).fillna('').eq('').all(axis=1)
df1.insert(1, "col4", df1['col2'].where(m).ffill())
out = df1[~m].reset_index(drop=True)
print (out)
col1 col4 col2 col3
0 99 Catg0 Asset1 0
1 88 Catg0 Other 0
2 66 Catg1 H & F 99
3 55 Catg1 Large Item 155
4 11 Catg2 Fragile 83
5 22 Catg2 Delicate item 115
另一种方法是使用模式获取值 - 例如，这里以数字开头：col2Catg
m = df1['col2'].str.contains('^Catg\d+$')
df1.insert(1, "col4", df1['col2'].where(m).ffill())
out = df1[~m].reset_index(drop=True)
print (out)
col1 col4 col2 col3
0 99 Catg0 Asset1 0
1 88 Catg0 Other 0
2 66 Catg1 H & F 99
3 55 Catg1 Large Item 155
4 11 Catg2 Fragile 83
5 22 Catg2 Delicate item 115
0赞
PaulS
11/15/2023
#2
另一种可能的解决方案是使用 cumsum 定义组，然后使用 groupby 和 apply 来修改分组的数据帧：
(df1.assign(grp = (df1['col3'].isna() | df1['col3'].eq('')).cumsum())
.groupby('grp', as_index = False)
.apply(lambda x: x.tail(len(x)-1)
.assign(col4 = x.head(1)['col2'].tolist() * (len(x)-1)))
.reset_index(drop = True)[['col1','col4','col2','col3']])
输出：
col1 col4 col2 col3
0 99 Catg0 Asset1 0
1 88 Catg0 Other 0
2 66 Catg1 H & F 99
3 55 Catg1 Large Item 155
4 11 Catg2 Fragile 83
5 22 Catg2 Delicate item 115
评论
1赞
itsavy
11/16/2023
谢谢 PaulS，我也会在我的用例中尝试这个
评论