Python 通过将两个稀疏列连接在一起，在Dataframe中创建新的密集列

我有一个包含三列的数据框架，“组织名称”、“类型”、“组织类型”“类型”和“组织类型”是一回事。我想创建一个名为“组织类型”的新列，该列采用“类型”列中的字符串，如果“类型”列为空，则采用“组织类型”列中的名称

Example of current dataframe:
Name of Organization     Type      Type of Org     
Tyco                     Retail    Retail          
Mac                      Service
Lis                                Comm
Ice                      Tech
Rex                      Retail    Retail


Example of New dataframe: 
Name of Organization     Type      Type of Org    Org Type
Tyco                     Retail    Retail         Retail
Mac                      Service                  Service
Lis                                Comm           Comm
Ice                      Tech                     Tech
Rex                      Retail    Retail         Retail

---

本质上，我试图将“类型”列和“组织类型”列连接在一起，以便创建一个完整的列，因为这两个列都缺少一些数据，但它们所拥有的数据将是相同的。如果有更好的方法来解决这些问题，我希望得到任何建议——只是不确定解决这个问题的最佳方法是什么？while循环？

一种方法是在对缺少的行进行子集设置之前，将

组织类型

列设置为

类型

列。如果

Type

列包含缺少的值（而不仅仅是空字符串），则应使用以下方法。如果它确实包含空字符串或类似内容，则可以在

Type

列与这些值相等的位置设置子集

df['Org Type'] = df['Type']
df.loc[df['Org Type'].isnull(), 'Org Type'] = \
    df.loc[df['Org Type'].isnull(), 'Type of Org']

---

一种方法是在对缺少的行进行子集设置之前，将

组织类型

列设置为

类型

列。如果

Type

列包含缺少的值（而不仅仅是空字符串），则应使用以下方法。如果它确实包含空字符串或类似内容，则可以在

Type

列与这些值相等的位置设置子集

df['Org Type'] = df['Type']
df.loc[df['Org Type'].isnull(), 'Org Type'] = \
    df.loc[df['Org Type'].isnull(), 'Type of Org']

此功能称为：

此功能称为：

---

如果一个字符串位于同一行的两列中，那么字符串是否总是相同的？@Charles Morris-是

df['Org Type']=numpy.where（df['Type']，df['Type']，df['Type']，df['Type of Org']）

@Paul H好的，这确实有效-非常感谢。唯一的问题是我真的撒谎了。似乎有一些“Type”中的字符串与“Type of Org”中的字符串不同。因此，代码实际上是为这些实例创建一个额外的行。因此，我的组织名称计数在增加。df['org_type']=np。其中（df['type']，df['type']，df['type']）或df['org_type']=np。其中（True，df['type']，df['type of org']）给出了所需的输出。如果任何一行有两个不同的值，df['Type']中的值优先如果一个字符串在同一行的两列中，字符串是否总是相同的？@Charles Morris-Yes

df['Org Type']=numpy.where（df['Type']，df['Type']，df['Type']，df['Type of Org']）

@Paul H好的，这是可行的，非常感谢。唯一的问题是我真的撒谎了。似乎有一些“Type”中的字符串与“Type of Org”中的字符串不同。因此，代码实际上是为这些实例创建一个额外的行。因此，我的组织名称计数在增加。df['org_type']=np。其中（df['type']，df['type']，df['type']）或df['org_type']=np。其中（True，df['type']，df['type of org']）给出了所需的输出。如果任何一行有两个不同的值，则df['Type']中的值取precedence@3Novak-但是，这也适用于与上述问题相同的情况。因为在极少数情况下，“Type”和“Type of Org”中的数据不一样，所以我需要对“Type”中的数据进行优先级排序。这段代码通过每次在“Type”和“Type of Org”中有两个不同的字符串时创建另一行来增加我在组织名称中的计数。啊，我明白了。在这种情况下，您应该接受@Boud的答案。它应该完全符合您的要求。@3Novak-这也适用，但与上面的问题相同。因为在极少数情况下，“Type”和“Type of Org”中的数据不一样，所以我需要对“Type”中的数据进行优先级排序。这段代码通过每次在“Type”和“Type of Org”中有两个不同的字符串时创建另一行来增加我在组织名称中的计数。啊，我明白了。在这种情况下，您应该接受@Boud的答案。它应该完全符合你的要求。@Boud-这很好，也很简单。但我仍然不明白为什么我原来的组织数量是154，而我的新组织数量现在是163。。。在154中有两次列出的组织ID。你认为python在某种程度上是复制的吗？不确定是否理解你的问题，你能详细说明一下吗？否则，如果是150行，只需转储这两个结果，像在Excel中一样打开它们并手动比较。您将很快找到不同之处并确定pattern@Boud-这很好，也很简单。但我仍然不明白为什么我原来的组织数量是154，而我的新组织数量现在是163。。。在154中有两次列出的组织ID。你认为python在某种程度上是复制的吗？不确定是否理解你的问题，你能详细说明一下吗？否则，如果是150行，只需转储这两个结果，像在Excel中一样打开它们并手动比较。您将很快找到不同之处并确定模式