根据给定条件过滤数据框并添加新列答案

【问题标题】：Filter a data-frame and add a new column according to the given condition根据给定条件过滤数据框并添加新列
【发布时间】：2019-09-30 17:19:24
【问题描述】：

我有一个这样的数据框

ID      col1           col2 
1    Abc street       2017-07-27 
1    None             2017-08-17 
1    Def street       2018-07-15 
1    None             2018-08-13 
2    fbg street       2018-01-07 
2    None             2018-08-12 
2    trf street       2019-01-15

我想过滤掉 col1 中的所有 'None' 并将相应的 col2 值添加到新列 col3 中。我的输出是这样的

ID      col1           col2              col3 
1    Abc street       2017-07-27     2017-08-17          
1    Def street       2018-07-15     2018-08-13             
2    fbg street       2018-01-07     2018-08-12             
2    trf street       2019-01-15

谁能帮我实现这个目标。

【问题讨论】：

是None 还是'None'？
哦！！。它实际上是“无”

标签： python python-3.x pandas numpy pandas-groupby

【解决方案1】：

试试：

filters = df['col1'].isna()
s = df.loc[filters, 'col2'].copy()
df = df[~filters]
df['col3'] = s.values

编辑：正如你所说，你想要的过滤器是'None'，而不是None，那么：

filters = df['col1'].eq('None')

【讨论】：

也许你需要检查一些边缘情况，我认为ID是分配的关键，如果你只按值分配，ID可能不匹配
同意@WeNYoBen，这对paste 将值作为一列很危险
确实如此。但是给定的ID 列不是唯一值，因此对其进行分配会失败（我认为）。或者我需要做一个 groupby。

【解决方案2】：

使用ffill + pivot_table。这假定 None 遵循正确的值，从您的数据中可以看出。

u = df.assign(col1=df.col1.replace('None'))
g = ['ID', 'col1']
idx = u.groupby(g).cumcount()

(u.assign(idx=idx)
    .pivot_table(index=g, columns='idx', values='col2', aggfunc='first')
    .reset_index())

idx   ID        col1           0           1
0      1  Abc street  2017-07-27  2017-08-17
1      1  Def street  2018-07-15  2018-08-13
2      2  fbg street  2018-01-07  2018-08-12
3      2  trf street  2019-01-15         NaN

【讨论】：

【解决方案3】：

我正在使用cumcount 和merge

df1=df.loc[df.col1.ne('None'),:].copy()
df2=df.loc[df.col1.eq('None'),:].copy()
df1['Key']=df1.groupby('ID').cumcount()
df2['Key']=df2.groupby('ID').cumcount()
df1.merge(df2.drop('col1',1),on=['ID','Key'],how='left')
Out[816]: 
   ID       col1      col2_x  Key      col2_y
0   1  Abcstreet  2017-07-27    0  2017-08-17
1   1  Defstreet  2018-07-15    1  2018-08-13
2   2  fbgstreet  2018-01-07    0  2018-08-12
3   2  trfstreet  2019-01-15    1         NaN

【讨论】：

【解决方案4】：

今天的 Over Engineered with Numpy 版本

虽然 Numpy 不可否认地非常不明显

i, rows = pd.factorize([*zip(df.ID, df.col1.replace('None'))])
k, cols = pd.factorize(df.groupby(i).cumcount())

dleft = pd.DataFrame(dict(zip(['ID', 'col1'], zip(*rows))))
drigt = pd.DataFrame(index=dleft.index, columns=np.arange(len(cols)) + 2).add_prefix('col')
drigt.values[i, k] = df.col2.values

dleft.join(drigt)

   ID        col1        col2        col3
0   1  Abc street  2017-07-27  2017-08-17
1   1  Def street  2018-07-15  2018-08-13
2   2  fbg street  2018-01-07  2018-08-12
3   2  trf street  2019-01-15         NaN

【讨论】：

【解决方案5】：

又一次尝试：

f=df['col1']=='None'
c3=df.loc[f].col2.reset_index(drop=True)
df=df[~f]
df2=pd.concat([df.reset_index(drop=True),c3], axis=1, ignore_index=True)
df2.columns=['ID', 'col1', 'col2', 'col3']

   ID        col1        col2        col3
0   1  Abc street  2017-07-27  2017-08-17
1   1  Def street  2018-07-15  2018-08-13
2   2  fbg street  2018-01-07  2018-08-12
3   2  trf street  2019-01-15         NaN

【讨论】：