python - Pandas 根据其他细胞的连续性填充细胞

Question

我有一个 df 有很多丢失的数据，但基本上是相同的列(源自合并数据集)。例如，请考虑以下内容:

temp = pd.DataFrame({"fruit_1": ["apple", "pear", "don't want to tell", np.nan, np.nan, np.nan],
                     "fruit_2": [np.nan, np.nan, "don't want to tell", "apple", "don't want to tell", np.nan],
                     "fruit_3": ["apple", np.nan, "pear", "don't want to tell", np.nan, "pear"]})

我现在想把它们合并成一列；冲突应按如下方式解决:

• np.nan 总是被其他信息覆盖
• “不想说”只会覆盖 np.nan
• 任何其他值仅覆盖 np.nan 和“不想告诉”(即保留第一个值)。

我已经尝试创建一个新列并使用apply(见下文)。

temp.insert(0, "fruit", np.nan)
temp['fruit'].apply(lambda row: row["fruit"] if np.isnan(row["fruit"]) and not np.isnan(row["fruit_1"]) else np.nan) # map col

然而，该代码产生了一个TypeError: 'float' object is not subscriptable

有人能告诉我 (1) 这是否是一般可行的方法 - 如果是这样，我的错误是什么？ (2) 最有效的方法是什么？

非常感谢。

** 编辑 ** 预期的输出是

                fruit             
0               apple         
1                pear       
2                pear  
3               apple             
4  don't want to tell
5                pear

Answer 1

使用 ffill 和额外的 np.where

s=temp.mask(temp=="don't want to tell").bfill(1).iloc[:,0]
s=np.where((temp=="don't want to tell").any(1)&s.isnull(),"don't want to tell",s)
s
Out[17]: 
array(['apple', 'pear', 'pear', 'apple', "don't want to tell", 'pear'],
      dtype=object)
temp['New']=s
temp
Out[19]: 
              fruit_1  ...                 New
0               apple  ...               apple
1                pear  ...                pear
2  don't want to tell  ...                pear
3                 NaN  ...               apple
4                 NaN  ...  don't want to tell
5                 NaN  ...                pear
[6 rows x 4 columns]