Как удалить и сдвинуть значения в столбце pandas df

у меня есть pandas df что я хочу манипулировать, чтобы он был упорядочен. Так df ниже, я хотел бы ['I'], котор нужно приказать. Таким образом, значения будут читать 10-50. У меня есть 2 варианта сделать это:

1) Попробуйте удалить значения в столбце ['G'] или ['H']. Поэтому, если значения удалить.

2) попробуйте объединить значения в тех же Столбцах, когда они == X

import pandas as pd

d = pd.DataFrame({
        'J' : [10,'B','C','C',50],
        'I' : ['B',20,30,40,'C'],
        'H' : ['X','A','C','B','X'],         
        'G' : ['X', 'B', 'A','B','X'],                                 
        })

выход:

   G  H   I   J
0  X  X   B  10
1  B  A  20   B
2  A  C  30   C
3  B  B  40   C
4  X  X   C  50

Вариант 1-удалить X от Column H и предполагаемый результат будет:

   G  H   I   J
0  X  B  10
1  B  A  20   B
2  A  C  30   C
3  B  B  40   C
4  X  C  50

Вариант 2-мы сливаемся на X на Column G-H и предполагаемый результат будет:

   G   H   I   J
0  XX  B  10
1  B   A  20   B
2  A   C  30   C
3  B   B  40   C
4  XX  C  50

я играл с df = df.drop(df.H == 'X') но это удаляет всю строку.

7
del merge pandas python

4 ответов

Вариант 1:

вы можете использовать shift значения влево для строк, которые соответствуют критериям df.H == 'X':

со следующими определениями переменных:

hij = ['H', 'I', 'J']
x = df.H=='X'

мы можем написать назначение смены кратко.

df.loc[x, hij] = df.loc[x, hij].apply(lambda x: x.shift(-1), axis=1)
outputs:
    G   H   I   J
0   X   B   10  NaN
1   B   A   20  B
2   A   C   30  C
3   B   B   40  C
4   X   C   50  NaN

Вариант 2:

тот же принцип, но необходимы два утверждения.

мы можем функция concat H to G

df.loc[x, 'G'] = df.loc[x, 'G'] + df.loc[x, 'H']
# df.loc[x, 'G'] = df.loc[x, ['G, 'H']].sum(axis=1)
# or df.loc[x, ['G', 'H']].apply(np.sum, axis=1)
# or df.loc[x, 'G'] = df.loc[x, ['G', 'H']].apply(lambda x: (x + x.shift(-1))[0], axis=1)

и Shift, как в варианте 1

df.loc[x, hij] = df.loc[x, hij].apply(lambda x: x.shift(-1), axis=1)
final output:
    G   H   I   J
0   XX  B   10  NaN
1   B   A   20  B
2   A   C   30  C
3   B   B   40  C
4   XX  C   50  NaN
4

более общим решением должно быть условие изменения, если в G или H колонок X, затем объединить вместе и shift условие:

d = pd.DataFrame({
        'J' : [10,'B','C','C',50, 60],
        'I' : ['B',20,30,40,'C', 'D'],
        'H' : ['X','A','C','B','X', 'Y'],         
        'G' : ['Y', 'B', 'A','B','X', 'X'],                                 
        }, columns=list('GHIJ'))
print (d)
   G  H   I   J
0  Y  X   B  10
1  B  A  20   B
2  A  C  30   C
3  B  B  40   C
4  X  X   C  50
5  X  Y   D  60

m = d[['G','H']].eq('X').any(axis=1)
print (m)

0     True
1    False
2    False
3    False
4     True
5     True
dtype: bool

d['H'] = d['G'] + d['H'] 
d[m] = d[m].shift(-1, axis=1)
print (d)
    G   H   I    J
0  YX   B  10  NaN
1   B  BA  20    B
2   A  AC  30    C
3   B  BB  40    C
4  XX   C  50  NaN
5  XY   D  60  NaN
5

для вас вопрос один, замените "X" как np.nan, затем отсортировал фрейм данных (сдвиньте значение)

d.replace({'H':{'X':np.nan}}).apply(lambda x: sorted(x, key=pd.isnull),1).fillna('')
Out[234]:
   G  H   I  J
0  X  B  10
1  B  A  20  B
2  A  C  30  C
3  B  B  40  C
4  X  C  50

для второго вопроса: использование np.где создать d.G во-первых, тогда мы делаем то же самое, что и выше 

d.G=np.where((d.G=='X')&(d.H=='X'),'XX',d.G)

d.replace({'H':{'X':np.nan}}).apply(lambda x: sorted(x, key=pd.isnull),1).fillna('')


Out[242]: 
    G  H   I  J
0  XX  B  10   
1   B  A  20  B
2   A  C  30  C
3   B  B  40  C
4  XX  C  50
4

вы можете пойти на np.where и shift Я.е 

ndf = pd.DataFrame(np.where((d['H']=='X')[:,None],
                       d.assign(H=d.H+d.G).shift(-1,axis=1), #only d.shift(...) in case you dont want to add  
                       d), columns=d.columns)

    G  H   I    J
0  XX  B  10  NaN
1   B  A  20    B
2   A  C  30    C
3   B  B  40    C
4  XX  C  50  NaN
3