如何在忽略“无”的情况下将多个熊猫列对象类型值合并到一列中？答案

【问题标题】：How to merge multiple pandas column object type values into one column while ignoring "None"?如何在忽略“无”的情况下将多个熊猫列对象类型值合并到一列中？
【发布时间】：2018-09-03 22:10:48
【问题描述】：

起始数据框：

pd.DataFrame({'col1': ['one', 'None', 'None'], 'col2': ['None', 'None', 'six'], 'col3': ['None', 'eight', 'None']})

最终目标：

pd.DataFrame({'col4': ['one', 'eight', 'six']})

我想做什么：

df['col1'].map(str)+df['col2'].map(str)+df['col3'].map(str)

如何在忽略“无”值的情况下将多个 pandas 列对象类型值合并到一列？顺便说一句，在这个数据集中，最终数据框单元格中的值永远不会超过一个。

【问题讨论】：

标签： python pandas

【解决方案1】：

你有字符串Nones，而不是实际的空值，所以你需要先替换它们。

选项 1
replace/mask/where + fillna + agg

df.replace('None', np.nan).fillna('').agg(''.join, axis=1).to_frame('col4')

或者，

df.mask(df.eq('None')).fillna('').agg(''.join, axis=1).to_frame('col4')

或者，

df.where(df.ne('None')).fillna('').agg(''.join, axis=1).to_frame('col4')

    col4
0    one
1  eight
2    six

选项 2
replace + pd.notnull

v = df.replace('None', np.nan).values.ravel()
pd.DataFrame(v[pd.notnull(v)], columns=['col4'])

    col4
0    one
1  eight
2    six

选项 3
利用 Divakar 出色的justify 功能的解决方案：

pd.DataFrame(justify(df.values, invalid_val='None')[:, 0], columns=['col4'])

    col4
0    one
1  eight
2    six

参考
（注意，您需要稍微修改函数才能很好地处理字符串数据。）

def justify(a, invalid_val=0, axis=1, side='left'):    
    """
    Justifies a 2D array

    Parameters
    ----------
    A : ndarray
        Input array to be justified
    axis : int
        Axis along which justification is to be made
    side : str
        Direction of justification. It could be 'left', 'right', 'up', 'down'
        It should be 'left' or 'right' for axis=1 and 'up' or 'down' for axis=0.

    """

    if invalid_val is np.nan:
        mask = ~np.isnan(a)
    else:
        mask = a!=invalid_val
    justified_mask = np.sort(mask,axis=axis)
    if (side=='up') | (side=='left'):
        justified_mask = np.flip(justified_mask,axis=axis)
    out = np.full(a.shape, invalid_val, dtype='<U8')    # change to be made is here
    if axis==1:
        out[justified_mask] = a[mask]
    else:
        out.T[justified_mask.T] = a.T[mask.T]
    return out

【讨论】：

【解决方案2】：

另一种方式，为了给你选择：

pd.DataFrame(df[df!='None'].stack().values, columns=['col4'])

    col4
0    one
1  eight
2    six

【讨论】：

这很聪明！ :)
是的，我同意，我喜欢这个。 +1

【解决方案3】：

或者

df[df!='None'].fillna('').sum(1)
Out[1054]: 
0      one
1    eight
2      six
dtype: object

与listmap

list(map(lambda x : ''.join(x) ,df.replace({'None':''}).values))
Out[1061]: ['one', 'eight', 'six']

【讨论】：

【解决方案4】：

df['col4']=df.apply(lambda x: x.max(),axis=1)

【讨论】：