Python 3.x 如何使用python组合数据帧中的不同列

假设一个数据帧包含

attacker_1 attacker_2 attacker_3 attacker_4 Lannister nan nan nan nan Stark greyjoy nan 攻击者\u 1攻击者\u 2攻击者\u 3攻击者\u 4 南兰尼斯特酒店 纳斯塔克·格雷乔伊·纳恩 我想创建另一个名为AttackerCombo的列，它将4列聚合为1列。 我将如何在python中定义这样的代码？ 我一直在练习python，我认为这种列表理解是有意义的，但是[list（x）for x in攻击者] 其中攻击者是一个由4列组成的numpy数组，显示所有4列聚合为1列，但我也要删除所有的NAN。 因此，每行的结果不是 starknannanlannister

---

StarkAnnanLanister看起来像stark/lannister

您可以在数据框中设置一个新列，通过lambda函数填充该列：

stark/lannister

df['attackers'] = df[['attacker_1','attacker_2','attacker_3','attacker_4']].apply(lambda x : '{}{}{}{}'.format(x[0],x[1],x[2],x[3]), axis=1)

您没有指定要如何聚合它们，因此，例如，如果要用破折号分隔，请执行以下操作：

df['attackers'] = df[['attacker_1','attacker_2','attacker_3','attacker_4']].apply(lambda x : '{}-{}-{}-{}'.format(x[0],x[1],x[2],x[3]), axis=1)

我认为您需要通过以下方式加入

并删除
NaN
：

如果需要分隔符

空字符串，请使用：

另外两个解决方案具有

列表理解功能

-首先通过比较，然后检查

字符串

：

df['attackers'] = df[['attacker_1','attacker_2','attacker_3','attacker_4']] \
                    .apply(lambda x: '/'.join([e for e in x if pd.notnull(e)]), axis=1)
print (df)
  attacker_1 attacker_2 attacker_3  attacker_4      attackers
0  Lannister        NaN        NaN         NaN      Lannister
1        NaN      Stark    greyjoy         NaN  Stark/greyjoy


#python 3 - isinstance(e, str), python 2 - isinstance(e, basestring)
df['attackers'] = df[['attacker_1','attacker_2','attacker_3','attacker_4']] \
                    .apply(lambda x: '/'.join([e for e in x if isinstance(e, str)]), axis=1)
print (df)
  attacker_1 attacker_2 attacker_3  attacker_4      attackers
0  Lannister        NaN        NaN         NaN      Lannister
1        NaN      Stark    greyjoy         NaN  Stark/greyjoy

---

有没有一种方法可以使用numpy计算类似的操作，让我们假设dataframe被转换为numpy。还有什么其他可能的理解功能可以使用。谢谢我试图修改@NLASSUX提供的命令battledf['attacker_1'，'attacker_2'，'attacker_3'，'attacker_4']].fillna（''）.apply（lambda x:'{}{}{}{}}.format（x[0]，x[1]，x[2]，x[3]），axis=1.unique（）。这确实产生了一个相关的解决方案。但是我不确定这是不是一个最优的格式，因为它直接调用C代码，所以我们知道它是最优的。另外，.apply（）速度很快，但没有pandas内置的并行方法快。完美的解决方案！谢谢您是否可以按照文档中的说明，在“axis”行上展开？如果axis=0，则函数应用于列，如果axis=1，则函数应用于行，您是否可以解释它是如何工作的？正如您在注释中所说的那样。你可以通过

df['attacker_1'，'attacker_2'，'attacker_3'，'attacker_4']]来测试它。apply（打印）

和

df['attacker_1'，'attacker_2'，'attacker_3'，'attacker_4']]。apply（打印，axis=1）

让我试着解释一下到目前为止我所知道的情况，当我从4列中选取一个子集，并使用apply应用函数时，然后，“lambda x”是子集中所有行上的一个iterable，这里应用的函数是“字符串”/”，与每行上应用的dropna连接，使用axis=1指定。这是正确的还是我遗漏了什么？你能建议同一个手术的一些细微差别吗？例如，在列表理解中，我想到的是查看一行中的每个元素，检查其是否为NaN，然后将非NaN添加到列表中。这可能会解决一些性能障碍的问题。我添加了另外两个解决方案，我希望它们更快。

df['attackers'] = df[['attacker_1','attacker_2','attacker_3','attacker_4']].fillna('') \
                    .apply(''.join, axis=1)
print (df)
  attacker_1 attacker_2 attacker_3  attacker_4     attackers
0  Lannister        NaN        NaN         NaN     Lannister
1        NaN      Stark    greyjoy         NaN  Starkgreyjoy

df['attackers'] = df[['attacker_1','attacker_2','attacker_3','attacker_4']] \
                    .apply(lambda x: '/'.join([e for e in x if pd.notnull(e)]), axis=1)
print (df)
  attacker_1 attacker_2 attacker_3  attacker_4      attackers
0  Lannister        NaN        NaN         NaN      Lannister
1        NaN      Stark    greyjoy         NaN  Stark/greyjoy


#python 3 - isinstance(e, str), python 2 - isinstance(e, basestring)
df['attackers'] = df[['attacker_1','attacker_2','attacker_3','attacker_4']] \
                    .apply(lambda x: '/'.join([e for e in x if isinstance(e, str)]), axis=1)
print (df)
  attacker_1 attacker_2 attacker_3  attacker_4      attackers
0  Lannister        NaN        NaN         NaN      Lannister
1        NaN      Stark    greyjoy         NaN  Stark/greyjoy