熊猫-向数据框添加序列会导致出现NaN值

debugcn 发表于 Dev

数据瑞典

我有一个看起来像这样的数据框：

d = {'Col_1' : pd.Series(['A', 'A', 'A', 'B']),
     'Col_2' : pd.Series(['B', 'C', 'B', 'D']),
     'Col_3' : pd.Series([np.nan, 'D', 'C', np.nan]),
     'Col_4' : pd.Series([np.nan, np.nan, 'D', np.nan]),
     'Col_5' : pd.Series([np.nan, np.nan, 'E', np.nan]),}
df = pd.DataFrame(d)

Col_1  Col_2  Col_3  Col_4  Col_5
  A      B      NaN    NaN    NaN
  A      C      D      NaN    NaN
  A      B      C      D      E
  B      D      NaN    NaN    NaN

我的目标是最终实现以下目标：

Col_1  Col_2  Col_3  Col_4  Col_5  ConCat
  A      B      NaN    NaN    NaN    A:B
  A      C      D      NaN    NaN    A:C:D
  A      B      C      D      E      A:B:C:D:E
  B      D      NaN    NaN    NaN    B:D

我已经成功创建了一个数据框，看起来像来自以下位置的所需输出：

rows = df.values
df_1 = pd.DataFrame([':'.join(word for word in rows if word is not np.nan) for rows in rows])

    0
0  A:B
1  A:C:D
2  A:B:C:D:E
3  B:D

但是现在，当我尝试将其放入原始数据帧时，我得到：

df['concatenated'] = df_1

Col_1  Col_2  Col_3  Col_4  Col_5  concatenated
  A      B      NaN    NaN    NaN    NaN
  A      C      D      NaN    NaN    NaN
  A      B      C      D      E      NaN
  B      D      NaN    NaN    NaN    NaN

奇怪的是，当创建一个简化的示例时，它可以按预期工作。下面是我正在做的完整代码。原始数据是从上面原始数据帧的外观转置而来的。

df_caregiver_type = pd.concat([df_caregiver_type[col].order().reset_index(drop=True) for col in df_caregiver_type], axis=1, ignore_index=False).T
df_caregiver_type.rename(columns=lambda x: 'Col_' + str(x), inplace=True)
rows = df_caregiver_type.values
df_caregiver_type1 = pd.DataFrame([':'.join(word for word in rows if word is not np.nan) for rows in rows])
df_caregiver_type['concatenated'] = df_caregiver_type1
df_caregiver_type = df_caregiver_type.T
df_caregiver_type

更新我在想由于完整代码的第一行而出现错误。它来自一个独立但相关的问题：大熊猫：分别对每一列进行排序

CT Zhu

对于您的完整数据集，将最后一个步骤从更改为df['concatenated'] = df_1即可df['concatenated'] = df_1.values解决该问题，我认为这是一个错误，并且我很肯定以前已经在SO中看到过它。

要不就： df['concatenated'] = [':'.join(word for word in row if word is not np.nan) for row in rows]

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。