根据 pandas df 中的条件在现有列中插入新行答案

【问题标题】：insert a new row in the existing column based on conditions in pandas df根据 pandas df 中的条件在现有列中插入新行
【发布时间】：2023-03-24 11:35:01
【问题描述】：

样本df

| count |   A  |  
|-------|------|
| yes   |  NaN | 
| yes   |  NaN  | 
| yes   |  40  |
| yes   |  40  |
| yes   |  40  |
| yes   |  23  |

我想要的结果 -> 在类似 A 值的末尾插入“结果”

| count |   A  |  
|-------|------|
| yes   |  NaN  | 
| yes   |  NaN  | 
| result|      |
| yes   |  40  |
| yes   |  40  |
| yes   |  40  |
| result|      |
| yes   |  23  |
| rseult|      |

【问题讨论】：

您想将结果放在同一个数据框中，还是也可以是一个新的数据框，其中包含 A 中所有值的结果？你的结果应该代表什么？看起来像是 groupby 的案例
要在相同的 df 中得到结果 - 我的结果将是在列 A 的每个相似值之后在列 'count' 中添加一个新行 'result'，我们还必须对 nan 值进行分组跨度>
我是否理解您想要计算相似值的权利，所以在您的示例中，第一个 resultrow 将在新列 count 中有一个条目，其中包含 2（对于 2 个 nans）下一个 3（3 40s）和最后一个 1（一个 23）
是的，你没看错@FlorianD。
也许仍然考虑去groupby.count()

标签： python pandas dataframe group-by

【解决方案1】：

为了保持秩序，已选择使用fillna() 而不是dropna=False 到groupby()
简单的append() 到每个组

df = pd.read_csv(io.StringIO("""count   A
yes NaN
yes NaN
yes 40
yes 40
yes 40
yes 23"""),sep="\t")

df = (df.fillna(-100)
 .groupby("A", as_index=False).apply(lambda dfa: dfa.append({"count":"result"}, ignore_index=True))
 .replace({-100:np.nan})
 .reset_index(drop=True)
)

结果：

|    | count   |   A |
|---:|:--------|----:|
|  0 | yes     | nan |
|  1 | yes     | nan |
|  2 | result  | nan |
|  3 | yes     |  23 |
|  4 | result  | nan |
|  5 | yes     |  40 |
|  6 | yes     |  40 |
|  7 | yes     |  40 |
|  8 | result  | nan |

【讨论】：

输入中有两行NaN，输出中有两行附加结果行