Python 获取每列中的第一个引用值

这是我的df。 我想得到每列中包含

（F）

>d={0:['1'，'2（F）'，'6'，'8'，'5']，
1:[8(F),"6","8","4",，
二:[1,6,8(F),"4(F),"5",，
3: ['1', '8', '8', '1', '5']}
>>>df=pd.DataFrame（数据=d）
>>>df
0     1     2  3
018（F）11
1 2（F）6 8
2 6 8（F）8
384（F）4（F）1
4     5     4     5  5

结果应该是这样的

02（F）
18（F）
2 8（F）
3南

但是当我使用下面的代码时，我收到了一些错误

>>> mask = df.apply(lambda x: x.str.contains('F'))
>>> a = mask.idxmax().where(mask.any())
>>> print(df[a])

KeyError: '[nan] not in index'

---

通过

idxmax

和上次添加

where

，使用numpy索引获取值：

mask = df.apply(lambda x: x.str.contains('F', na=False))
a = mask.idxmax()   
s = pd.Series(df.values[a, a.index]).where(mask.any())
print(s)
0    2(F)
1    8(F)
2    8(F)
3     NaN
dtype: object

另一个解决方案具有“重塑依据”、“筛选”和“获取第一个值依据”、“最后添加不存在的值依据”：

applymap

，

lookup

---

核型变异体 过度设计

from numpy.core.defchararray import find

v = df.values.astype(str)
m = find(v, '(F)') >= 0
i = m.argmax(0)
j = np.arange(v.shape[1])

pd.Series(np.where(m[i, j], v[i, j], np.nan), df.columns)

这里有一条路

mask = df.applymap(lambda x: '(F)' in x)

df[mask].bfill().iloc[0,]
Out[624]: 
0    2(F)
1    8(F)
2    8(F)
3     NaN
Name: 0, dtype: object

---

这是一行，但它没有给出第四行的答案：

df.replace（“\d$”，np.nan，regex=True）.dropna（how='all'，axis=1）.apply（lambda x:x.dropna（）.iloc[0]，0）

它清除除\F之外的所有元素，然后为每列找出第一个非空元素

from numpy.core.defchararray import find

v = df.values.astype(str)
m = find(v, '(F)') >= 0
i = m.argmax(0)
j = np.arange(v.shape[1])

pd.Series(np.where(m[i, j], v[i, j], np.nan), df.columns)

mask = df.applymap(lambda x: '(F)' in x)

df[mask].bfill().iloc[0,]
Out[624]: 
0    2(F)
1    8(F)
2    8(F)
3     NaN
Name: 0, dtype: object