根据给定条件筛选数据帧并添加新列

Question

我有这样一个数据帧

ID      col1           col2 
1    Abc street       2017-07-27 
1    None             2017-08-17 
1    Def street       2018-07-15 
1    None             2018-08-13 
2    fbg street       2018-01-07 
2    None             2018-08-12 
2    trf street       2019-01-15 

我想过滤col1中的所有'None'，并将相应的col2值添加到新列col3中。我的输出是这样的

^{pr2}$

有谁能帮我实现这个目标吗。在

Answer 1

今天的版本是用Numpy进行过度设计

尽管不可否认的是很少有明显的裸体

i, rows = pd.factorize([*zip(df.ID, df.col1.replace('None'))])
k, cols = pd.factorize(df.groupby(i).cumcount())

dleft = pd.DataFrame(dict(zip(['ID', 'col1'], zip(*rows))))
drigt = pd.DataFrame(index=dleft.index, columns=np.arange(len(cols)) + 2).add_prefix('col')
drigt.values[i, k] = df.col2.values

dleft.join(drigt)

   ID        col1        col2        col3
0   1  Abc street  2017-07-27  2017-08-17
1   1  Def street  2018-07-15  2018-08-13
2   2  fbg street  2018-01-07  2018-08-12
3   2  trf street  2019-01-15         NaN

Answer 2

使用ffill+pivot_table。这假设None遵循正确的值，它似乎是从您的数据中得到的。在

---

u = df.assign(col1=df.col1.replace('None'))
g = ['ID', 'col1']
idx = u.groupby(g).cumcount()

(u.assign(idx=idx)
    .pivot_table(index=g, columns='idx', values='col2', aggfunc='first')
    .reset_index())  

^{pr2}$

Answer 3

我正在使用cumcount和merge

df1=df.loc[df.col1.ne('None'),:].copy()
df2=df.loc[df.col1.eq('None'),:].copy()
df1['Key']=df1.groupby('ID').cumcount()
df2['Key']=df2.groupby('ID').cumcount()
df1.merge(df2.drop('col1',1),on=['ID','Key'],how='left')
Out[816]: 
   ID       col1      col2_x  Key      col2_y
0   1  Abcstreet  2017-07-27    0  2017-08-17
1   1  Defstreet  2018-07-15    1  2018-08-13
2   2  fbgstreet  2018-01-07    0  2018-08-12
3   2  trfstreet  2019-01-15    1         NaN