pandas - 如何合并两个连续的行并形成一个新列？

Question

我有一个 DF(从会计软件收集的)，看起来像这样。

    Serial || Date || Particulars || Price    --------------------------------------      1    || 0308 || Andrew      || 100      2    || NaN  || Gloves      || NaN      3    || 0408 || Johnson     || 50      4    || NaN  || Wicket      || NaN

我想合并连续的 2 行，并创建一个新列“Product”，第二行的值为“Particulars”。预期的输出应该类似于 ---

    Serial || Date || Particulars || Price || Product    -------------------------------------------------      1    || 0308 || Andrew      || 100   || Gloves      3    || 0408 || Johnson     || 50    || Wicket

我如何使用 pandas 实现这一目标？

Answer 1

这些答案基于数据帧的格式，该格式始终呈现遵循 OP 呈现的相同模式的行对。第一行显示一个人，第二行显示产品和日期，价格列为 NaN。

使用 shift 然后 dropna

df.assign(Product=df.Particulars.shift(-1)).dropna()

   Serial   Date Particulars  Price Product
0       1  308.0      Andrew  100.0  Gloves
2       3  408.0     Johnson   50.0  Wicket

---

加入

相同但不同

df.join(df.Particulars.shift(-1).rename('Product')).dropna()

---

详情

根据请求

• df.Particulars.shift(-1) 将 Particulars 列的所有成员移回一行

  0     Gloves
  1    Johnson
  2     Wicket
  3        NaN
  Name: Particulars, dtype: object
  

• 当我将其分配给现有数据框 df.assign(Product=df.Particulars.shift(-1)) 时，它会添加一个具有新名称的列 'Product ' 其中的值是经过移位的细节。

     Serial   Date Particulars  Price  Product
  0       1  308.0      Andrew  100.0   Gloves
  1       2    NaN      Gloves    NaN  Johnson
  2       3  408.0     Johnson   50.0   Wicket
  3       4    NaN      Wicket    NaN      NaN
  

• 剩下的就是删除具有 NaN 值的行，我们得到上面显示的内容。

---

灵感来自@QuangHoang's answer

如果我隔行切片，我不需要依赖 dropna

df.assign(Product=df.Particulars.shift(-1))[::2]

或者更简洁

df[::2].assign(Product=[*df.Particulars[1::2]])

---

一种方法

这是我第一个想到的方法，很恶心

i = np.flatnonzero(df.Price.notna())
j = i + 1

df.iloc[i].assign(Product=df.iloc[j].Particulars.values)

   Serial   Date Particulars  Price Product
0       1  308.0      Andrew  100.0  Gloves
2       3  408.0     Johnson   50.0  Wicket