pandas - 通过重复值连接列

Question

我正在尝试连接我的数据框中的列，如果它们在字段中具有相同的值。我会解释我自己。假设我有这个数据框：

peter   brian   peter   mike   brian   
  2       3       4       5      6
  4       6       1       7      5

然后我想连接列，同时考虑到第一行中重复的值：

peter   brian   mike
  2       3       5
  4       6       7
  4       6
  1       5

重要的是要澄清我不能通过直接调用名称（"peter"、"mike" 等）来连接，因为我想在其中使用它的数据框有数千列。想法是自动找到重复的名字并连接它们。

Answer 1

这是使用 pd.concat 和 NumPy 数组的一种方法：

res = pd.concat([pd.Series(df[col].values.flatten(), name=col) \
                 for col in df.columns.unique()], axis=1)

print(res)

   peter  brian  mike
0      2      3   5.0
1      4      6   7.0
2      4      6   NaN
3      1      5   NaN

注意 mike 被强制为 float，因为它包含 NaN 个值。

说明

• df.columns.unique 提取唯一列名。
• df[col].values.flatten 将特定名称的所有系列的值提取为 NumPy 数组，然后将它们展平为一维数组。
• pd.Series 将数组转换为系列对象。
• 我们通过列表理解遍历所有这些唯一的列名。
• pd.concat 将系列列表连接到数据框中。