Python 如何在dataframe中创建密集列组时跳过列的空值？

我必须根据列的值创建密集的列。该列有一些空值和一些浮点值。我必须跳过空值，专注于浮点值。我不知道该怎么做？ 你能帮我做这件事吗

说明：

df:

我使用下面的代码来创建密集的排名-

df['dense_rank'] = df.groupby('comb_fld_order', sort=True).ngroup()+1

它给了我输出：

   comb_fld_order   dense_rank
0     NULL            2
1     NULL            2
2     NULL            2
3     1.1             1
4     1.1             1
5     NULL            2

但我想要以下输出：

   comb_fld_order   dense_rank
0     NULL            
1     NULL            
2     NULL            
3     1.1             1
4     1.1             1
5     NULL            

在使用

.groupby

然后，如果需要空格而不是

NaN，请使用
fillna（“”）

---

如果

NULL

是字符串，则可以执行以下操作：

df['dense_rank'] = df[df['comb_fld_order'] != 'NULL'].groupby('comb_fld_order', sort=True).ngroup()+1

在使用

.groupby

然后，如果需要空格而不是

NaN，请使用
fillna（“”）

---

如果

NULL

是字符串，则可以执行以下操作：

df['dense_rank'] = df[df['comb_fld_order'] != 'NULL'].groupby('comb_fld_order', sort=True).ngroup()+1

---

你可以给dropna=True

这就是我所做的

>>> import pandas as pd
>>> import numpy as np
>>> df = pd.DataFrame({'comb_fld_order':[np.nan, np.nan, np.nan, 1.1, 1.1, np.nan]})
>>> df
   comb_fld_order
0             NaN
1             NaN
2             NaN
3             1.1
4             1.1
5             NaN
>>> df['dense_rank'] = df.groupby('comb_fld_order', sort=True,dropna=True).ngroup()+1
>>> df
   comb_fld_order  dense_rank
0             NaN           0
1             NaN           0
2             NaN           0
3             1.1           1
4             1.1           1
5             NaN           0

---

你可以给dropna=True

这就是我所做的

>>> import pandas as pd
>>> import numpy as np
>>> df = pd.DataFrame({'comb_fld_order':[np.nan, np.nan, np.nan, 1.1, 1.1, np.nan]})
>>> df
   comb_fld_order
0             NaN
1             NaN
2             NaN
3             1.1
4             1.1
5             NaN
>>> df['dense_rank'] = df.groupby('comb_fld_order', sort=True,dropna=True).ngroup()+1
>>> df
   comb_fld_order  dense_rank
0             NaN           0
1             NaN           0
2             NaN           0
3             1.1           1
4             1.1           1
5             NaN           0

---

在创建稠密_列之前，我已经使用了df=df.fillna（“”）。我尝试了你的建议，但没有得到理想的结果。@shivampatel Try:

df['densite_rank']=df[df['comb_fld_order']！=“NULL'].groupby（'comb_fld_order'，sort=True）.ngroup（）+1

@DavidErickson IMHO你可以简单地使用

df['comb fld_order'].rank（method='densite'）.fillna（

）+1Thanks@ShubhamSharma，我以前从未使用过

.rank（）

。不过，有一个简单的pandas方法并不让我感到惊讶。在创建稠密_列之前，我已经使用了df=df.fillna（“”）。我尝试了你的建议，但没有得到理想的结果。@shivampatel Try:

df['densite_rank']=df[df['comb_fld_order']！=“NULL'].groupby（'comb_fld_order'，sort=True）.ngroup（）+1

@DavidErickson IMHO你可以简单地使用

df['comb fld_order'].rank（method='densite'）.fillna（

）+1Thanks@ShubhamSharma，我以前从未使用过

.rank（）

。不过，有一个简单的方法可以解决这个问题，这并不奇怪。