python - Python、Pandas 和 Excel 的列问题；；

Question

我正在尝试使用 python 和 pandas 处理 Excel 文件。这个文件有大量的列和行，但我会尝试使用这个例子来简化:

Name    Age  Nationality    Name1   Age1    Nationality1    Name2   Age2    Nationality2
Jane    32   Canada                     
Pedro   25   Spain                      
                            Lucas    30      Italy          
                             Ana     23      Germany            
                                                            Pedro    43      Brazil
                                                            Lucas    32      Mexico

My excel example

因此，在此示例中，我有以下列:姓名、年龄和国籍。但是，我也有 Name1、Age1 和 Nationality1。因为我想按它的值过滤它，所以它不起作用，因为我必须过滤每一个:Name、Name1 和 Name2。

我认为这可能是转换为不同字典并尝试过滤这些字典的一个选项。但考虑到列和行的数量，我想这需要更长的时间。

如果我可以重命名这些列，我也会坚持，但我搜索并看到它必须具有唯一的名称。如果我错了，请纠正我。

有人对此有解决方案吗？会很有帮助。
提前致谢

Answer 1

您可以使用 bfill(axis=1)将每行中的第一个非空值复制到前一列。在循环的第一次迭代中，所有 Name 列都将成功填充。如果您将其设置为索引，然后用 NaN 替换 df 中这些名称的所有其他出现，您可以在其余列上重复该过程并最终得到您想要的。

import pandas as pd
import numpy as np

df = pd.read_csv('name_age_nationality.csv')

    Name   Age Nationality  Name1  Age1 Nationality1  Name2  Age2 Nationality2
0   Jane  32.0      Canada    NaN   NaN          NaN    NaN   NaN          NaN
1  Pedro  25.0       Spain    NaN   NaN          NaN    NaN   NaN          NaN
2    NaN   NaN         NaN  Lucas  30.0        Italy    NaN   NaN          NaN
3    NaN   NaN         NaN    Ana  23.0      Germany    NaN   NaN          NaN
4    NaN   NaN         NaN    NaN   NaN          NaN  Pedro  43.0       Brazil
5    NaN   NaN         NaN    NaN   NaN          NaN  Lucas  32.0       Mexico

for x in ['Name','Age','Nationality']:
   df = df.bfill(axis=1).set_index(x)
   df = df.replace(df.index.values,np.nan).reset_index()

df[['Name','Age','Nationality']]

输出

    Name Age Nationality
0   Jane  32      Canada
1  Pedro  25       Spain
2  Lucas  30       Italy
3    Ana  23     Germany
4  Pedro  43      Brazil
5  Lucas  32      Mexico