Python 3.x 合并具有相同值的行和具有多个空值的相同索引

我是熊猫的新手。我正在尝试和答案所说的一样的事情

我有这样的数据

SubjectID       Visit    Value1    Value2    Value3
                 1         1.57      1.75     1.56   
                 1         1.56       N/A     N/A 
    B1           2         N/A       1.56     N/A

我想要像这样的数据

SubjectID       Visit    Value1    Value2    Value3
                 1     1.57,1.56      1.75     1.56    
    B1           2         N/A       1.56     N/A  

我试过的是

#1. Did not work    
df.groupby(['SubjectID', 'Visit'])['Value1']\
  .apply(lambda val: ','.join(val)).reset_index()

#2. did not work
df = df.groupby(['SubjectID', 'Visit'])['Value1']\
       .apply(lambda val: ','.join(val)).reset_index() 

#3. did not work
df.groupby(['SubjectID', 'Visit'])['Value1', 'Value2', 'Value3']\
  .apply(lambda v1, v2, v3 : ','.join(val1), ','.join(val2), ','.join(val3)).reset_index()

#4. did not work
df.groupby(['SubjectID', 'Visit'])\
       ['Value1'].apply(lambda v1:','.join(val1)) \
       ['Value2'].apply(lambda v2:','.join(val2)) \
       ['Value3'].apply(lambda v3:','.join(val3)).reset_index()

有什么建议可以让它正常工作吗？

与自定义lambda函数一起使用，通过和转换为字符串删除缺少的值，如果所有值都缺少，则返回

np.nan

：

f = lambda val: np.nan if val.isna().all() else ','.join(val.dropna().astype(str))
df = df.groupby(['SubjectID', 'Visit']).agg(f).reset_index()
print (df)
  SubjectID  Visit     Value1  Value2  Value3
0                1  1.57,1.56    1.75    1.56
1        B1      2        NaN    1.56     NaN

如果需要空字符串而不是缺少值，则解决方案更简单：

f = lambda val: ','.join(val.dropna().astype(str))
df1 = df.groupby(['SubjectID', 'Visit']).agg(f).reset_index()
print (df1)
  SubjectID  Visit     Value1  Value2 Value3
0                1  1.57,1.56    1.75   1.56
1        B1      2               1.56       

---

使用groupby并连接来自同一组的值：

(
    df.fillna('')
    .astype(str).groupby(by=['SubjectID', 'Visit'])
    .agg(lambda x: ','.join(x.loc[x!='']))
    .reset_index()
)

    SubjectID   Visit   Value1      Value2  Value3
0               1       1.57,1.56   1.75    1.56
1   B1          1                   1.56    

---

我还希望在Value2和Value3列上使用相同的值，是否要添加多个

agg

？请explain@KishorPawar-是，或者如果需要处理未在

groupby

中指定的所有列，如

['SubjectID'，'Visit']

仅删除

groupby

之后的列，如果需要选择多个列，请使用

df.groupby（['SubjectID'，'Visit']）['Value1'，'Value2'，'Value3']

上述操作无效，你能提出更多建议吗？@KishorPawar-你能说得更具体一点吗

上面没有起作用

？它没有对

df

进行任何更改，我没有合并。我不想只按

SubjectID

进行分组。