我目前正在研究熊猫问题，我想知道是否有解决此问题的简便方法。
我确实有总是具有如下格式的pandas表：
df = pd.DataFrame({'A':[1,2,np.nan,np.nan,3],'B':[2,3,np.nan,5,2],'C':[2,3,7,5,9],'D':[1,2,3,np.nan,np.nan]} )
该数据框应转换为：
df = pd.DataFrame({'A':[1,2,7,5,3],'B':[2,3,3,5,2],'C':[2,3,np.nan,np.nan,9],'D':[1,2,np.nan,np.nan,np.nan]} )
这意味着列中的所有值都需要尽可能向左移动。（首先需要填充第一列，然后是第二列，依此类推。）是否有一个简单的解决方案？
提前谢谢了。
使用自定义函数justify，仅将DataFrame转换为numpy数组：
#https://stackoverflow.com/a/44559180/2901002
df = pd.DataFrame(justify(df.to_numpy(),invalid_val=np.nan), columns=df.columns)
#pandas < 0.24
#df = pd.DataFrame(justify(df.values,invalid_val=np.nan), columns=df.columns)
print (df)
A B C D
0 1.0 2.0 2.0 1.0
1 2.0 3.0 3.0 2.0
2 7.0 3.0 NaN NaN
3 5.0 5.0 NaN NaN
4 3.0 2.0 9.0 NaN
如果性能并不重要，使用DataFrame.apply与Series.dropna和Series构造函数：
df = df.apply(lambda x: pd.Series(x.dropna().to_numpy()), axis=1)
#pandas < 0.24
#df = df.apply(lambda x: pd.Series(x.dropna().values), axis=1)
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句