合并（连接）具有缺失值和不同类型（str 和 int）的 pandas 列

Question

我有一个数据框，其中有一列包含整数，我想将其与一列包含字符串值的组合。两列都是对象数据类型。问题是这些列也可能是 NaN。

我找到的解决方案会导致不同的错误或不良结果。

我的数据框如下所示：

指数	剂量持续时间单位	剂量数量值	剂量单位	数量值
0	天	南	南	南
1	天	南	片剂	南
2	天	2	南	南
3	天	1	片剂	南
4	天	2	片剂	南

创建数据框的代码：

df = pd.DataFrame([["day",None,None,None],["day",None,"tablet(s)",None],["day",2,"tablet(s)",None],["day",1,"tablet(s)",None],["day",2,"tablet(s)",None]], columns=["dosagedurationunit","dosagequantityvalue","dosagequantityunit","quantityvalue"])

以下答案适用于相同类型（str）的列： Combine pandas string columns with Missing Values

• 在串联之前将列转换为 str 数据类型会产生“nan”字符串，例如“NaN Tablet(s)”。
• 当要“连接”的列之一中有整数时，使用以下代码会导致类型错误。

df['DOSE'] = df[['dosagequantityvalue', 'dosagequantityunit']].apply(
            lambda x: None if x.isnull().all() else ' '.join(x.dropna()), axis=1)

• 类型错误：序列项 0：预期的 str 实例，找到 int

所需的输出数据帧：

指数	剂量持续时间单位	剂量数量值	剂量单位	数量值	标准化剂量
0	天	南	南	南	南
1	天	南	片剂	南	片剂
2	天	2	南	南	2
3	天	1	片剂	南	1 片
4	天	2	片剂	南	2 片

实际上，NaN 或“片剂”的 NORAMLIZED_DOSE 提供零信息。我可以删除所有剂量量值为 NaN 的行，但我不知道这是否适用于生产/非样本数据集。此外，我还需要一个函数来优雅地处理这个操作。

在处理一列或两列中可能存在整数和 NaN 值的情况时，如何将两列（剂量量值和剂量量单位）连接成一个新列（NORMALIZED_DOSE）？

Answer 1

更新

\n

如果我把我的答案放在一个函数中replace_concat_replace()：

\n

def replace_concat_replace(df):\n    df = df.replace(np.nan, \'\').astype(str)\n    s = df.dosagequantityvalue + \' \' + df.dosagequantityunit\n    s = s.str.strip().replace(\'\', np.nan)\n    return s\n

\n

那么它的%timeit速度大约是 2.5 倍concat_df_cols_new()：

\n

>>> %timeit df[\'NORMALIZED_DOSAGE\'] = replace_concat_replace(df[[\'dosagequantityvalue\', \'dosagequantityunit\']])\n41.7 ms \xc2\xb1 2.21 ms per loop (mean \xc2\xb1 std. dev. of 7 runs, 10 loops each)\n\n>>> %timeit df[\'NORMALIZED_DOSAGE\'] = concat_df_cols_new(df[[\'dosagequantityvalue\', \'dosagequantityunit\']])\n105 ms \xc2\xb1 15.7 ms per loop (mean \xc2\xb1 std. dev. of 7 runs, 10 loops each)\n

\n

然而，concat_df_cols_new()可以处理任意列。

\n\n

原答案

\n

您可以在连接之前使用replace()每个nan空字符串\'\'，然后replace()在连接之后将它们返回。

\n

请注意，我用nan的是None匹配您的表格。

\n

>>> %timeit df[\'NORMALIZED_DOSAGE\'] = replace_concat_replace(df[[\'dosagequantityvalue\', \'dosagequantityunit\']])\n41.7 ms \xc2\xb1 2.21 ms per loop (mean \xc2\xb1 std. dev. of 7 runs, 10 loops each)\n\n>>> %timeit df[\'NORMALIZED_DOSAGE\'] = concat_df_cols_new(df[[\'dosagequantityvalue\', \'dosagequantityunit\']])\n105 ms \xc2\xb1 15.7 ms per loop (mean \xc2\xb1 std. dev. of 7 runs, 10 loops each)\n

\n

输出：

\n

  dosagedurationunit dosagequantityvalue dosagequantityunit quantityvalue NORMALIZED_DOSAGE\n0                day                 NaN                NaN           NaN               NaN\n1                day                 NaN          tablet(s)           NaN         tablet(s)\n2                day                 2.0                NaN           NaN               2.0\n3                day                 1.0          tablet(s)           NaN     1.0 tablet(s)\n4                day                 2.0          tablet(s)           NaN     2.0 tablet(s)\n

\n