python 循环中的 zip() 元素是否有限制？答案

【问题标题】：Is there a limit for zip() elements in loops in python?python 循环中的 zip() 元素是否有限制？
【发布时间】：2019-04-12 08:58:15
【问题描述】：

今天我发生了一件奇怪的事情。我需要根据一系列 if 语句创建一个列表。我的数据框看起来像这样：

prom_lect4b_rbd    prom_lect2m_rbd   prom_lect8b_rbd   prom_lect6b_rbd
     100                np.nan            80                200
     np.nan             np.nan            40                1000
     np.nan             np.nan           np.nan              90
     230                 100              80                100

列是根据它们的优先级排序的。我试图创建的列表（或列）从那些不是nan 的行中获取第一个值。所以，在这种情况下，我想要一个如下所示的列：

simce_final_lect
     100
     40
     90
     230

我尝试了以下方法：

cols=[simces.prom_lect4b_rbd, simces.prom_lect2m_rbd, simces.prom_lect8b_rbd, simces.prom_lect6b_rbd]

simce_final_lect=[j if np.isnan(j)==False else k if np.isnan(k)==False
                  else l if np.isnan(l)==False else m if np.isnan(m)==False 
                  else np.nan for j,k,l,m in zip(cols[0],cols[1],cols[2],cols[3])]

这只是将两个值（共 8752 个）复制到列表中。但如果我将我的 zip 限制为 j,k,l，它就可以完美运行：

simce_final_lect=[j if np.isnan(j)==False else k if np.isnan(k)==False
                  else l if np.isnan(l)==False  
                  else np.nan for j,k,l in zip(cols[0],cols[1],cols[2])]

你知道发生了什么吗？否则，我的问题是否有更有效的解决方案？

【问题讨论】：

您的最后一列比其他列短。 zip 在较短的列表结束时停止。顺便说一句：你真的应该考虑提取将值带入函数的表达式：first_not_nan = lambda vals: next(x for x in vals if not math.isnan(x)) 然后result = list(map(first_not_nan, zip(A,B,C,D)))。
谢谢巴库留！你能进一步解释一下你的方法吗？当尝试在系列的每一行中执行操作时，我并不真正习惯于应用函数之外的 lambda 表达式。当我使用这两个命令时，它得到了一个只有 148 个值的列表。也许当它发现一行只包含 nan 时它停止了？在那种情况下，我怎么能用 nan 填充它？谢谢

标签： python pandas for-loop list-comprehension

【解决方案1】：

您可以使用bfill(axis=1) 并选择第一列。

df.bfill(axis=1).iloc[:,0]

0    100.0
1     40.0
2     90.0
3    230.0
Name: prom_lect4b_rbd, dtype: float64

## For list
df.bfill(axis=1).iloc[:,0].tolist()
['100', '40', 90, '230']

【讨论】：

谢谢你，工作就像一个魅力！ Pythonic 和简单，比我的解决方案更简单。
@JuanC 乐于助人。 :)

【解决方案2】：

使用first_valid_index():

df.apply(lambda x: x[x.first_valid_index()], axis=1)

产量：

0    100.0
1     40.0
2     90.0
3    230.0
dtype: float64

【讨论】：