如何在Python中获得前3个元素，每个有序行都有值

我有一个数据框，数据类型为字符串，如下所示：

身份证件 Var1 Var2 Var3 Var4 Var5 1. A. B C D E 2. B C D 3. C D E 4. A. C E 试试这个：

df['Var6'] = df.apply(lambda x: [y for y in x.values if y != ''][:3], axis=1)

结果df：

  Var1 Var2 Var3 Var4 Var5       Var6
1    A    B    C    D    E  [A, B, C]
2         B    C    D       [B, C, D]
3              C    D    E  [C, D, E]
4    A         C         E  [A, C, E]

  Var1 Var2 Var3 Var4 Var5     Var6
1    A    B    C    D    E  A, B, C
2         B    C    D       B, C, D
3              C    D    E  C, D, E
4    A         C         E  A, C, E

如果要将结果作为逗号分隔的字符串，请进一步使用：

df['Var6'] = df['Var6'].str.join(', ')

结果df：

  Var1 Var2 Var3 Var4 Var5       Var6
1    A    B    C    D    E  [A, B, C]
2         B    C    D       [B, C, D]
3              C    D    E  [C, D, E]
4    A         C         E  [A, C, E]

  Var1 Var2 Var3 Var4 Var5     Var6
1    A    B    C    D    E  A, B, C
2         B    C    D       B, C, D
3              C    D    E  C, D, E
4    A         C         E  A, C, E

如果要一步完成，请使用：

df['Var6'] = df.apply(lambda x: ','.join([y for y in x.values if y != ''][:3]), axis=1)

编辑 当我提供答案时，我将样本数据中的

ID

解释为行索引，特别是当OP提到DataFrame的数据类型为string时，并且当她从每行中选取前3个元素时，不会选取标记为

ID

的列中的值

然而，我看到另一个答案将

ID

视为数据列。完整地说，我想添加代码，以防

ID

是一个数据列，而每行的前3个元素的值仍然没有被选取

如果

ID

是一个数据列但不可拾取：稍微调整代码，如下所示：

df1 = df.set_index('ID')      # temporarily set column ID as index
# same code as my main answer except to replace df by df1
df1['Var6'] = df1.apply(lambda x: ','.join([y for y in x.values if y != ''][:3]), axis=1)
df = df1.reset_index()        # reset the index to move ID back to data column 

---

利用df.values.tolist（）的替代解决方案

将熊猫作为pd导入
#使用空字符串的工作示例
df=pd.DataFrame（{“Var1”：[“A”，“”，“”，，“A”]，
“Var2”：[“B”、“B”、“0”、“0]，
“Var3”：[“C”、“C”、“C”、“C”]，
“Var4”：[“D”、“D”、“D”和“，”]，
“Var5”：[“E”，“E”，“E”]
})
df[“Var6”]=df.values.tolist（）
df[“Var6”]=df[“Var6”].map（lambda x:“，”.join（[i为x中的i，如果i！=”“][:3]））
df
#无的工作示例
df=pd.DataFrame（{“Var1”：[“A”，无，无，“A”]，
“Var2”：[“B”，“B”，无，无]，
“Var3”：[“C”、“C”、“C”、“C”]，
“Var4”：[“D”，“D”，“D”，无]，
“Var5”：[“E”，无，“E”，“E”]
})
df[“Var6”]=df.values.tolist（）
df[“Var6”]=df[“Var6”].map（lambda x:“，”.join（[i为x中的i，如果i不是None][：3]））
df

您可以将

堆栈

与

groupby.head（3）

和chain

groupby.agg（'，'.join）

---

尝试使用

stack

然后使用

groupby

head

df['out'] = df.stack().loc[lambda x : x!=''].groupby(level=0).head(3).groupby(level=0).agg(','.join)
Out[277]: 
0    A,B,C
1    B,C,D
2    C,D,E
3    A,C,E
dtype: object

或

---

@ShubhamSharma BeNY也打败了我-谢谢，这很有道理！