Pandas 去掉NaN值并重新排列列的顺序

我制作了一个您可以运行的特别示例，向您展示了一个类似于我必须使用的df3的数据帧：

people1 = [['Alex',10],['Bob',12],['Clarke',13],['NaN',],['NaN',],['NaN',]]
people2 = [['NaN',],['NaN',],['NaN',],['Mark',20],['Jane',22],['Jack',23]]
df1 = pd.DataFrame(people1,columns=['Name','Age'])
df2 = pd.DataFrame(people2,columns=['Name','Age'])

people_list=[df1, df2]

df3 = pd.concat((people_list[0]['Name'], people_list[1]['Name']), axis=1)
df3

---

如何修改数据帧df3以去除NaN值并将两列相邻放置（我不在乎保留id，我只想要一个两列相邻的干净数据帧）？

您可以先删除NaN值：

df3 = pd.concat([df1.dropna(), df2.dropna()])

输出：

    Name   Age
0    Alex  10.0
1     Bob  12.0
2  Clarke  13.0
3    Mark  20.0
4    Jane  22.0
5    Jack  23.0

    Name  Name
0    Alex  Mark
1     Bob  Jane
2  Clarke  Jack

或者，如果您想并排联系：

df3 = pd.concat([df1.dropna().reset_index(drop=True), df2.dropna().reset_index(drop=True)], 1)

df3 = pd.concat([df1.dropna().reset_index(drop=True)['Name'], df2.dropna().reset_index(drop=True)['Name']], 1)

输出：

     Name   Age  Name   Age
0    Alex  10.0  Mark  20.0
1     Bob  12.0  Jane  22.0
2  Clarke  13.0  Jack  23.0

    Name  Name
0    Alex  Mark
1     Bob  Jane
2  Clarke  Jack

如果您只想并排查看

名称

列：

df3 = pd.concat([df1.dropna().reset_index(drop=True), df2.dropna().reset_index(drop=True)], 1)

df3 = pd.concat([df1.dropna().reset_index(drop=True)['Name'], df2.dropna().reset_index(drop=True)['Name']], 1)

输出：

     Name   Age  Name   Age
0    Alex  10.0  Mark  20.0
1     Bob  12.0  Jane  22.0
2  Clarke  13.0  Jack  23.0

    Name  Name
0    Alex  Mark
1     Bob  Jane
2  Clarke  Jack

如果只想修改df3，可以通过

iloc

和

dropna

完成：

df3 = pd.concat([df3.iloc[:,0].dropna().reset_index(drop=True) , df3.iloc[:,1].dropna().reset_index(drop=True)],1)

输出：

    Name   Age
0    Alex  10.0
1     Bob  12.0
2  Clarke  13.0
3    Mark  20.0
4    Jane  22.0
5    Jack  23.0

    Name  Name
0    Alex  Mark
1     Bob  Jane
2  Clarke  Jack

---

如果我正确理解了你的意思，这是一个可能的解决办法

people1 = [['Alex',10],['Bob',12],['Clarke',13],['NaN',],['NaN',],['NaN',]]
people2 = [['NaN',],['NaN',],['NaN',],['Mark',20],['Jane',22],['Jack',23]]
df1 = pd.DataFrame(people1,columns=['Name1','Age']).dropna()
df2 = pd.DataFrame(people2,columns=['Name2','Age']).dropna().reset_index()

people_list=[df1, df2]

df3 = pd.concat((people_list[0]['Name1'], people_list[1]['Name2']), axis=1)
print(df3)

   Name1    Name2
0   Alex    Mark
1   Bob     Jane
2   Clarke  Jack

如果您已经拥有该数据帧：

count = df3.Name2.isna().sum()
df3.loc[:, 'Name2'] = df3.Name2.shift(-count)
df3 = df3.dropna()
print(df3)

    Name1   Name2
0   Alex    Mark
1   Bob     Jane
2   Clarke  Jack

---

这将帮助您连接两个df

我的意思是您已经拥有了df3！（在代码中，我不得不构建一个假的示例，以获得一个与我所面临的示例类似的数据帧）。因此，您不能修改构建它的方式，因为它已经是这样了@GiacomoF更新了答案忘了代码，我只是为了得到df3才编出来的。假设您得到了一个类似fd3的数据帧，您必须修改它以获得一个没有NaN值的数据帧，并且两列相邻。你会怎么做？答案的第二部分是关于这个。对！谢谢