[PYTHON] 팬더 데이터 프레임에서 2 열의 값을 단일 열로 합치십시오.

팬더 데이터 프레임에서 2 열의 값을 단일 열로 합치십시오.

나는 T-SQL에서 병합과 비슷한 동작을하는 메소드를 찾고있다. 팬더 데이터 프레임에 드문 드문 두 열 (열 A와 B)이 있습니다. 다음 규칙을 사용하여 새 열을 만들고 싶습니다.

앞에서 언급했듯이 이것은 coalesce 함수를 통해 MS SQL Server에서 수행 할 수 있습니다. 나는 이것을위한 좋은 pythonic 방법을 발견하지 못했다. 존재하나요?

해결법

1. ==============================

   1.combine_first () 사용 :

   combine_first () 사용 :

   In [16]: df = pd.DataFrame(np.random.randint(0, 10, size=(10, 2)), columns=list('ab'))
   
   In [17]: df.loc[::2, 'a'] = np.nan
   
   In [18]: df
   Out[18]:
        a  b
   0  NaN  0
   1  5.0  5
   2  NaN  8
   3  2.0  8
   4  NaN  3
   5  9.0  4
   6  NaN  7
   7  2.0  0
   8  NaN  6
   9  2.0  5
   
   In [19]: df['c'] = df.a.combine_first(df.b)
   
   In [20]: df
   Out[20]:
        a  b    c
   0  NaN  0  0.0
   1  5.0  5  5.0
   2  NaN  8  8.0
   3  2.0  8  2.0
   4  NaN  3  3.0
   5  9.0  4  9.0
   6  NaN  7  7.0
   7  2.0  0  2.0
   8  NaN  6  6.0
   9  2.0  5  2.0
   

2. ==============================

   2.이것을 사용해보십시오. 기억하기 쉽습니다.

   이것을 사용해보십시오. 기억하기 쉽습니다.

   df['c'] = np.where(df["a"].isnull(), df["b"], df["a"] )
   

   df [ "c"] = np.where (df [ "a"]. isnull () == True, df [ "b"], df [ "a"])

   %timeit df['d'] = df.a.combine_first(df.b)
   1000 loops, best of 3: 472 µs per loop
   
   
   %timeit  df['c'] = np.where(df["a"].isnull(), df["b"], df["a"] )
   1000 loops, best of 3: 291 µs per loop
   

3. ==============================

   3.combine_first는 가장 직접적인 옵션입니다. 아래에서 개략적으로 설명하는 몇 가지가 있습니다. 나는 몇 가지 해결책을 개략적으로 설명 할 것이고, 어떤 경우는 다른 경우에 적용 할 수있다.

   combine_first는 가장 직접적인 옵션입니다. 아래에서 개략적으로 설명하는 몇 가지가 있습니다. 나는 몇 가지 해결책을 개략적으로 설명 할 것이고, 어떤 경우는 다른 경우에 적용 할 수있다.

   모든 행에 NaN가있는 것은 아니고 이러한 NaN은 열간에 상호 배타적이지 않습니다.

   설정

   df
   
        a    b
   0  1.0  5.0
   1  2.0  3.0
   2  3.0  NaN
   3  NaN  4.0
   4  5.0  NaN
   5  7.0  6.0
   6  NaN  7.0
   

   먼저에 결합하자.

   옵션 1 pd.Series.mask

   df.a.mask(pd.isnull, df.b)
   

   또는,

   df.a.mask(df.a.isnull(), df.b)
   

   0    1.0
   1    2.0
   2    3.0
   3    4.0
   4    5.0
   5    7.0
   6    7.0
   Name: a, dtype: float64
   

   옵션 2 pd.Series.where (Jon Clements에 의해 영감을 얻음)

   df.a.where(pd.notnull, df.b)
   
   0    1.0
   1    2.0
   2    3.0
   3    4.0
   4    5.0
   5    7.0
   6    7.0
   Name: a, dtype: float64
   

   또는 b를 먼저 결합하여 주변 조건을 전환하십시오.

   모든 행에는 열간에 상호 배타적 인 NaN가 있습니다.

   설정

   df
        a    b
   0  1.0  NaN
   1  2.0  NaN
   2  3.0  NaN
   3  NaN  4.0
   4  5.0  NaN
   5  NaN  6.0
   6  NaN  7.0
   

   옵션 1 pd.Series.add

   a.add(b, fill_value=0)
   
   0    1.0
   1    2.0
   2    3.0
   3    4.0
   4    5.0
   5    6.0
   6    7.0
   dtype: float64
   

   옵션 2 fillna + sum -

   df.fillna(0).sum(1)
   
   0    1.0
   1    2.0
   2    3.0
   3    4.0
   4    5.0
   5    6.0
   6    7.0
   dtype: float64
   

   이것은 여러 컬럼으로 일반화하는 유일한 솔루션입니다 -

   df.iloc[:, i:j].fillna(0).sum(1)
   

from https://stackoverflow.com/questions/38152389/coalesce-values-from-2-columns-into-a-single-column-in-a-pandas-dataframe by cc-by-sa and MIT license