迹忆客 专注技术分享

本教程将演示将多列中的第一个非空值合并或返回到 Python Pandas DataFrame 中的另一列。

例如，如果它不为空，则将第 1 列的值用于新的第 3 列；否则，如果第 1 列为空，则将第 2 列的值用于新的第 3 列。

我们可以在 Pandas DataFrame 中以多种方式完成此任务。

从头开始编写代码以将多列中的值合并到 Pandas DataFrame 中的一列中

我们可以从头开始编写逻辑来合并值。我们在以下代码中创建了一个 Pandas DataFrame，其中包含三列，名为 Age_in_Years、Age_in_Months 和 Age_in_Days。

DataFrame 也有一些缺失值。如果我们要显示年龄，首先，我们将输出年龄，以年为单位。

如果该列中的值为 Null，我们将以月为单位显示年龄。同样，如果以月为单位的值为 Null，我们将以天为单位显示年龄。

为此，我们从头开始编写代码来获取第一个非空列的值。该函数正在遍历所有 DataFrame 列，并在找到非空值的地方返回该值；否则，它会检查其他列中的值。

示例代码：

# Python 3.x
import pandas as pd

df_age = pd.DataFrame(
    {
        "Age_in_Years": ["4 y", None, None, None],
        "Age_in_Months": ["48 m", "24 m", None, None],
        "Age_in_Days": ["1440 d", None, "2520 d", None],
    }
)


def get_first_non_null(dfrow, cols):
    for c in cols:
        if pd.notnull(dfrow[c]):
            return dfrow[c]
    return None


cols = ["Age_in_Years", "Age_in_Months", "Age_in_Days"]
df_age["Age"] = df_age.apply(lambda x: get_first_non_null(x, cols), axis=1)
display(df_age)

输出：

在 Pandas DataFrame 中使用 DuckDB 运行 SQL 查询以将多列中的值合并为一列

示例代码：

DuckDB 是一个 Python API 和一个使用 SQL 查询与数据库交互的数据库管理系统。这个包有一个内置的合并方法，可以从列中选择第一个非空值。

我们将在 SQL 查询中将列名传递给 coalesce 方法。

# Python 3.x
import pandas as pd
import duckdb

df_age = pd.DataFrame(
    {
        "Age_in_Years": ["4 y", None, None, None],
        "Age_in_Months": ["48 m", "24 m", None, None],
        "Age_in_Days": ["1440 d", None, "2520 d", None],
    }
)
df_age = duckdb.query(
    """SELECT Age_in_Years, Age_in_Months, Age_in_Days, coalesce(Age_in_Years, Age_in_Months, Age_in_days) as Age from df_age"""
).to_df()
display(df_age)

输出：

在 Pandas DataFrame 中使用 combine_first() 方法将多列中的值合并为一列

combine_first() 方法用来自第二个 DataFrame 的非空数据填充一个 DataFrame 中的空值，以组合两个 DataFrame 对象。

在下面的代码中，我们将返回列值。我们将把 Age_in_Years 与 Age_in_Months 结合起来，将 Age_in_Months 与 Age_in_Days 结合起来。

它将返回来自 Age_in_years 的值。如果为 Null，它将返回来自 Age_in_Months 的值。同样，如果这也是 Null，它将从 Age_in_Days 返回一个值。

实际 DataFrame 中的数据不会改变，我们将在 Age 列中获得我们想要的值。

示例代码：

# Python 3.x
import pandas as pd

df_age = pd.DataFrame(
    {
        "Age_in_Years": ["4 y", None, None, None],
        "Age_in_Months": ["48 m", "24 m", None, None],
        "Age_in_Days": ["1440 d", None, "2520 d", None],
    }
)
df_age["Age"] = (
    df_age["Age_in_Years"]
    .combine_first(df_age["Age_in_Months"])
    .combine_first(df_age["Age_in_Days"])
)
df_age

输出：

在 Pandas DataFrame 中使用 bfill() 方法将多列中的值合并为一列

bfill 代表反向填充。此方法将 NaN 替换为下一行或下一列值。

在这里，如果当前列中的值为 Null，我们将指定 axis=1 从下一列返回值。

示例代码：

# Python 3.x
import pandas as pd

df_age = pd.DataFrame(
    {
        "Age_in_Years": ["4 y", None, None, None],
        "Age_in_Months": ["48 m", "24 m", None, None],
        "Age_in_Days": ["1440 d", None, "2520 d", None],
    }
)
df_age["Age"] = df_age.bfill(axis=1).iloc[:, 0]
df_age

输出：

在 Pandas DataFrame 中使用 mask() 方法将多列中的值合并为一列

mask() 方法的工作方式与 if-then 类似。

如果某个列的 null 条件为 false，则将使用其值。否则，它将从其他指定列中获取值。

示例代码：

# Python 3.x
import pandas as pd

df_age = pd.DataFrame(
    {
        "Age_in_Years": ["4 y", None, None, None],
        "Age_in_Months": ["48 m", "24 m", None, None],
        "Age_in_Days": ["1440 d", None, "2520 d", None],
    }
)
df_age["Age"] = (
    df_age["Age_in_Years"]
    .mask(pd.isnull, df_age["Age_in_Months"])
    .mask(pd.isnull, df_age["Age_in_Days"])
)
df_age

输出：