Python 数据帧上两列的条件更新

我有一个

pandas

数据框，如果第二列的值不是

NaN

，我将尝试在其中附加两列值。重要的是，在附加这两个值之后，我需要将第二列中的值设置为

NaN

。我已成功连接这些值，但无法将第二列更新为

NaN

这是我从ldc_df[['ad_StreetNo'，'ad_StreetNo2']]开始的内容。标题（5）：

这是我在添加以下内容后当前拥有的内容：

ad_StreetNo ad_StreetNo2
0   284     NaN
1   51      NaN
2   136     NaN
3   196-198 198
4   227     NaN

但我想得到的是：

ad_StreetNo ad_StreetNo2
0   284     NaN
1   51      NaN
2   136     NaN
3   196-198 NaN
4   227     NaN

其中，

ldc_df['ad_StreetNo2'].loc[3]

的值应更改为

NaN

这是我目前使用的代码：

def street_check(street_number_one, street_number_two):

    if pd.notnull(street_number_one) and pd.notnull(street_number_two):

        return str(street_number_one) + '-' + str(street_number_two)

    else:

        return street_number_one

ldc_df['ad_StreetNo'] = ldc_df[['ad_StreetNo', 'ad_StreetNo2']].apply(lambda x: street_check(*x),axis=1)

有人对我如何获得预期产出有什么建议吗

萨姆

替代解决方案

ldc_df['ad_StreetNo'] = (
    ldc_df['ad_StreetNo'].astype(str) 
    + ['' if np.isnan(n) else '-{}'.format(str(int(n))) 
       for n in ldc_df['ad_StreetNo2']]
)
ldc_df['ad_StreetNo2'] = np.nan

替代解决方案

ldc_df['ad_StreetNo'] = (
    ldc_df['ad_StreetNo'].astype(str) 
    + ['' if np.isnan(n) else '-{}'.format(str(int(n))) 
       for n in ldc_df['ad_StreetNo2']]
)
ldc_df['ad_StreetNo2'] = np.nan

---

pd.DataFrame.stack

将具有单级列索引的数据帧折叠到一个series对象中。在此过程中，默认情况下会删除任何空值。然后，我们可以按照前面的索引级别进行分组，并使用

'-'

进行连接

df.stack().astype(str).groupby(level=0).apply('-'.join)

0        284
1         51
2        136
3    196-198
4        227
dtype: object

---

然后，我使用assign创建

df

的副本，同时覆盖这两列

df.assign(
    ad_StreetNo=df.stack().astype(str).groupby(level=0).apply('-'.join),
    ad_StreetNo2=np.NaN
)

  ad_StreetNo  ad_StreetNo2
0         284           NaN
1          51           NaN
2         136           NaN
3     196-198           NaN
4         227           NaN

---

pd.DataFrame.stack

将具有单级列索引的数据帧折叠到一个series对象中。在此过程中，默认情况下会删除任何空值。然后，我们可以按照前面的索引级别进行分组，并使用

'-'

进行连接

df.stack().astype(str).groupby(level=0).apply('-'.join)

0        284
1         51
2        136
3    196-198
4        227
dtype: object

---

然后，我使用assign创建

df

的副本，同时覆盖这两列

df.assign(
    ad_StreetNo=df.stack().astype(str).groupby(level=0).apply('-'.join),
    ad_StreetNo2=np.NaN
)

  ad_StreetNo  ad_StreetNo2
0         284           NaN
1          51           NaN
2         136           NaN
3     196-198           NaN
4         227           NaN

---

使用

melt

df.reset_index（）.melt（'index'）.dropna（）.groupby（'index'）['value'].apply（lambda x:'-'.join（x.astype（str））

使用

melt

df.reset_index（）.melt（'index'）.dropna（）.groupby（'index'）['value']）.apply（lambda x:'-'.join（x.astype（str））