如何合并两个连续的行并形成一个新列？
How to merge two consecutive rows and form a new column?
我有一个 DF（从会计软件中收集的），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'，其中第 2 行 'Particulars' 值。
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
如何使用 pandas 实现此目的？
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，第二行显示一个产品和日期，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
join
相同但不同
df.join(df.Particulars.shift(-1).rename('Product')).dropna()
详情
每个请求
df.Particulars.shift(-1) 将 Particulars 列的所有成员后退一行
0 Gloves
1 Johnson
2 Wicket
3 NaN
Name: Particulars, dtype: object
当我将其分配给现有数据框时df.assign(Product=df.Particulars.shift(-1))，它会添加一个具有新名称的列'Product'，其中的值是移位的细节。
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
我不需要依赖 dropna 如果我隔行切片
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
丑陋但直截了当：
ans = df[~pd.isna(df.Date)].copy()
ans['product'] = df[pd.isna(df.Date)].Particulars.values
输出
Date Particulars Price product
Serial
1 308.0 Andrew 100.0 Gloves
3 408.0 Johnson 50.0 Wicket
尝试 shift 并删除偶数行：
df['Product'] = df['Particulars'].shift(-1)
df = df.loc[0:len(df):2]
我有一个 DF（从会计软件中收集的），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'，其中第 2 行 'Particulars' 值。 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
如何使用 pandas 实现此目的？
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，第二行显示一个产品和日期，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
join
相同但不同
df.join(df.Particulars.shift(-1).rename('Product')).dropna()
详情
每个请求
df.Particulars.shift(-1)将 Particulars 列的所有成员后退一行0 Gloves 1 Johnson 2 Wicket 3 NaN Name: Particulars, dtype: object当我将其分配给现有数据框时
df.assign(Product=df.Particulars.shift(-1))，它会添加一个具有新名称的列'Product'，其中的值是移位的细节。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
我不需要依赖 dropna 如果我隔行切片
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
丑陋但直截了当：
ans = df[~pd.isna(df.Date)].copy()
ans['product'] = df[pd.isna(df.Date)].Particulars.values
输出
Date Particulars Price product
Serial
1 308.0 Andrew 100.0 Gloves
3 408.0 Johnson 50.0 Wicket
尝试 shift 并删除偶数行：
df['Product'] = df['Particulars'].shift(-1)
df = df.loc[0:len(df):2]