Блог

Я создал фрейм данных

 data = [['Nan', 10], [4, 'Nan'], ['Nan', 12], ['Nan', 13], [5, 'Nan'], [6, 'Nan'], [7, 'Nan'], ['Nan', 8]]
df = pd.DataFrame(data, columns = ['min', 'max'])
print(df)
 

мой набор данных выглядит так,

 min    max
Nan    10
4      Max
Nan    12
Nan    13
5      Nan 
6      Nan
7      Nan
Nan    8
 

Я хочу создать новый столбец, который будет принимать одно значение от min, а затем одно значение от max. Если есть продолжение. 2 значения min/max (как мы видим, 12 и 13-это 2 значения) Я должен учитывать только одно значение (рассмотрим только 12, а затем перейдем к выбору min)

Короче говоря, в новом столбце должна быть одна строка минимального значения, затем одна строка максимального значения и так далее.

РЕЗУЛЬТАТ должен быть

 combined
10
4
12
5
8
 

Вы можете попытаться изменить эти значения min и max с предыдущей строкой, чтобы не NaN NaN использовать .where() . Затем удалите строки с обоими min и max существом NaN . Затем обновите эти NaN значения min значением max в каждой строке, используя .combine_first() :

 df = df.replace('Nan', np.nan)

df['min'] = df['min'].where(df['min'].shift().isna())
df['max'] = df['max'].where(df['max'].shift().isna())
df = df.dropna(how='all')
df['combined'] = df['min'].combine_first(df['max'])
 

Результат:

 print(df)


   min   max  combined
0  NaN  10.0      10.0
1  4.0   NaN       4.0
2  NaN  12.0      12.0
4  5.0   NaN       5.0
7  NaN   8.0       8.0
 

Сложите фрейм данных, чтобы преобразовать его в многоиндексный ряд, затем сбросьте индекс уровня 1, затем с помощью логического фильтра индексирования/выберите только строки, за которыми min следует max или наоборот

 s = df[df != 'Nan'].stack().reset_index(name='combined', level=1)
m = s['level_1'] != s['level_1'].shift()
s[m].drop('level_1', 1)
 

    combined
0      10.0
1       4.0
2      12.0
4       5.0
7       8.0
 

Что вы можете сделать, так это определить первый ключ для первого значения, которое вы хотите включить, например, «max», а затем выполнить итерацию по кадру данных и добавить значения в структуру данных при изменении ключа. В то же время вам придется проверить значения «NaN», так как у вас их много,

 combined = []
key = 'max'
for index, row in df.iterrows():
  if not row[key] != row[key]:
    combined.append(row[key])
    if key == 'max':
      key = 'min'
    else:
      key = 'max'
 

Здесь я только что жестко закодировал первое значение, но если вы не хотите этого делать, вы можете просто проверить, какой столбец в первой строке имеет фактическое значение, которое не является «NaN», а затем сделать его ключом.

Примечание: Я добавил данные в список, потому что я не уверен, как вы планируете включить их в качестве столбца, когда длины будут разными.

Если мои предположения верны, то это должно сработать.

1. Значение-строка «Nan», а не np.NaN
2. Если столбец min имеет значение «Nan», то столбец max будет иметь число, и наоборот, это означает, что ни одна строка не может иметь два числа.

 import numpy as np
import pandas as pd


data = [['Nan', 10], [4, 'Nan'], ['Nan', 12], ['Nan', 13], [5, 'Nan'], [6, 'Nan'], [7, 'Nan'], ['Nan', 8]]
df = pd.DataFrame(data, columns = ['min', 'max'])


df['combined'] = np.where(df['min']!='Nan', df['min'], df['max'])
 

Это результат, который я получаю

    min  max combined
0  Nan   10       10
1    4  Nan        4
2  Nan   12       12
3  Nan   13       13
4    5  Nan        5
5    6  Nan        6
6    7  Nan        7
7  Nan    8        8