Python 熊猫：在一个数据帧中合并两列

我有一个pandas

DataFrame

，其中有多个列：

Index: 239897 entries, 2012-05-11 15:20:00 to 2012-06-02 23:44:51
Data columns:
foo                   11516  non-null values
bar                   228381  non-null values
Time_UTC              239897  non-null values
dtstamp               239897  non-null values
dtypes: float64(4), object(1)

其中

foo

和

bar

是包含相同数据但名称不同的列。是否有一种方法可以将构成

foo

的行移动到

bar

，同时理想地保持

bar

的名称

最后，数据帧应显示为：

Index: 239897 entries, 2012-05-11 15:20:00 to 2012-06-02 23:44:51
Data columns:
bar                   239897  non-null values
Time_UTC              239897  non-null values
dtstamp               239897  non-null values
dtypes: float64(4), object(1)

也就是说，组成条形图的NaN值被

foo

中的值替换。请尝试以下操作：

pandas.concat([df['foo'].dropna(), df['bar'].dropna()]).reindex_like(df)

---

如果您希望该数据成为新列

bar

，只需将结果分配给

df['bar']

您可以直接使用fillna并将结果分配给列“bar”

df['bar'].fillna(df['foo'], inplace=True)
del df['foo']

一般示例：

import pandas as pd
#creating the table with two missing values
df1 = pd.DataFrame({'a':[1,2],'b':[3,4]}, index = [1,2])
df2 = pd.DataFrame({'b':[5,6]}, index = [3,4])
dftot = pd.concat((df1, df2))
print dftot
#creating the dataframe to fill the missing values
filldf = pd.DataFrame({'a':[7,7,7,7]})

#filling 
print dftot.fillna(filldf)

---

另一个选项是在框架上使用

.apply（）

方法。您可以根据现有数据重新指定列

import pandas as pd
import numpy as np

# get your data into a dataframe

# replace content in "bar" with "foo" if "bar" is null
df["bar"] = df.apply(lambda row: row["foo"] if row["bar"] == np.NaN else row["bar"], axis=1) 

# note: change 'np.NaN' with null values you have like an empty string

---

更现代的pandas版本（至少从0.12开始）具有数据帧和系列对象的方法。例如，如果您的数据帧被称为

df

，您将执行以下操作：

df.bar.combine_first(df.foo)

---

这只会改变

bar

列的Nan值以匹配

foo

列，并且会在原地执行。要用

foo

中的值覆盖

bar

中的非Nan值，您可以使用

update（）

方法。

您也可以使用

numpy

来完成此操作

---

df['bar']=np.where（pd.isnull（df['bar']），df['foo']，df['bar']）

我没有将

concat

视为pandas命名空间中的函数；我不确定我错过了什么。你有什么版本的熊猫？该函数记录在这里：我运行的是pandas版本0.6.1，其中没有包含concat函数。升级到V0.7.3会将concat引入名称空间。工作起来很有魅力！谢谢。谢谢@veenit的捕获，但请注意，由于filldf的索引为0..3，而dflot的索引为1..4，dflot.fillna（filldf）['a'][4]将为nan。不是7.0