我的一些数据看起来像:
date, name, value1, value2, value3, value4
1/1/2001,ABC,1,1,,
1/1/2001,ABC,,,2,
1/1/2001,ABC,,,,35
我正在努力达到我可以运行的程度
data.set_index(['date', 'name'])
但是,对于原样的数据,当然有重复项(如上所示),所以我不能这样做(而且我不想要一个包含重复项的索引,我不能简单地删除重复项( ), 因为这会丢失数据)。
我希望能够将具有相同 [date, name] 值的行强制合并为一行,前提是它们可以基于某些值为 NaN 的值成功收敛(类似于 combine_first() 的行为)。例如,以上将结束于
date, name, value1, value2, value3, value4
1/1/2001,ABC,1,1,2,35
如果两个值不同并且一个不是 NaN,则这两行不应收敛(这可能是一个我需要跟进的错误)。
(为了扩展上面的例子,实际上可能有任意数量的行——给定任意数量的列——它们应该能够汇聚成一行。)
这感觉像是一个应该可以通过 pandas 解决的问题,但我很难找到一个优雅的解决方案。
最佳答案
假设您有一些函数combine_it
,给定一组具有重复值的行,返回单行。首先,按 date
和 name
分组:
grouped = data.groupby(['date', 'name'])
然后只需应用聚合函数,砰你就完成了:
result = grouped.agg(combine_it)
您还可以通过向 agg
传递一个字典,为不同的列提供不同的聚合函数。
关于python - 如何合并大多数重复的行,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/17006476/