Python 根据条件组合两列dataframe

我已经创建了一个数据帧

data = [['Nan', 10], [4, 'Nan'], ['Nan', 12], ['Nan', 13], [5, 'Nan'], [6, 'Nan'], [7, 'Nan'], ['Nan', 8]]
df = pd.DataFrame(data, columns = ['min', 'max'])
print(df)

我的数据集看起来像

min    max
Nan    10
4      Max
Nan    12
Nan    13
5      Nan 
6      Nan
7      Nan
Nan    8

< P>我想创建一个新的列，它将从最小值取一个值，然后从最大值取一个值。如果存在最小值/最大值的2个值（如我们可以看到12和13是2个值），我必须只考虑一个值（只考虑12个，然后移动到选择min）< /P> 总之,， 新列应该有一个最小值行，然后是一个最大值行，依此类推

输出应该是

combined
10
4
12
5
8

---

您可以尝试使用将前一行未

NaN

的

min

和

max

的值更改为

NaN

。然后删除

min

和

max

均为

NaN

的行。然后用每行中的

max

值更新

min

中的

NaN

值，方法是：

结果:

print(df)


   min   max  combined
0  NaN  10.0      10.0
1  4.0   NaN       4.0
2  NaN  12.0      12.0
4  5.0   NaN       5.0
7  NaN   8.0       8.0

---

您可以为要包含的第一个值定义第一个键，例如“max”，然后遍历数据帧，并在更改键的同时将值附加到数据结构中。同时，您必须检查“NaN”值，因为您有很多这样的值

combined = []
key = 'max'
for index, row in df.iterrows():
  if not row[key] != row[key]:
    combined.append(row[key])
    if key == 'max':
      key = 'min'
    else:
      key = 'max'

在这里，我刚刚硬编码了第一个值，但是如果您不想这样做，您可以检查第一行中哪一列的实际值不是'NaN'，然后将其作为键

---

注意：我已将数据添加到列表中，因为我不确定当长度不同时，您计划如何将其作为列包含。

将数据帧堆叠，以重塑为多索引系列，然后重置级别1索引，然后使用布尔索引过滤器/仅选择

min

后跟

max

的行，反之亦然

s = df[df != 'Nan'].stack().reset_index(name='combined', level=1)
m = s['level_1'] != s['level_1'].shift()
s[m].drop('level_1', 1)

---

---

如果我的假设是正确的，那么这应该是可行的

该值是'Nan'字符串，而不是np.Nan

如果最小列有“Nan”值，则最大列将有数字，反之亦然，这意味着任何行都不能有两个数字

这是我得到的输出

   min  max combined
0  Nan   10       10
1    4  Nan        4
2  Nan   12       12
3  Nan   13       13
4    5  Nan        5
5    6  Nan        6
6    7  Nan        7
7  Nan    8        8

---

同一行上是否可以有两个非nan值？不可能。请告诉我您是否想知道如何检查应首先使用哪个键的逻辑。这不是您所显示的打印输出。请在运行代码后检查这是输出。0南10Nan@sam你是说只有一排？真奇怪，是的。你能给我发一个完整的代码在我这边试试吗？@Sam让我知道我能帮上什么忙！：-）它没有按要求打印输出。我认为

Nan

值是数据帧中的字符串，让我们先用实际的

Nan

屏蔽

Nan

值，然后尝试解决方案。@sam我编辑了答案。我也检查了实际的Nan，但它没有按预期打印输出现在它打印所有行，你能发布你尝试过的完整代码吗woring@SAKL所需输出不同，请检查问题中张贴的输出

   combined
0      10.0
1       4.0
2      12.0
4       5.0
7       8.0

import numpy as np
import pandas as pd


data = [['Nan', 10], [4, 'Nan'], ['Nan', 12], ['Nan', 13], [5, 'Nan'], [6, 'Nan'], [7, 'Nan'], ['Nan', 8]]
df = pd.DataFrame(data, columns = ['min', 'max'])


df['combined'] = np.where(df['min']!='Nan', df['min'], df['max'])

   min  max combined
0  Nan   10       10
1    4  Nan        4
2  Nan   12       12
3  Nan   13       13
4    5  Nan        5
5    6  Nan        6
6    7  Nan        7
7  Nan    8        8