我正在尝试在给定此 groupby 索引的表上执行 groupby，所有值都是正确的或 Nan。例如：
id country name
0 1 France None
1 1 France Pierre
2 2 None Marge
3 1 None Pierre
4 3 USA Jim
5 3 None Jim
6 2 UK None
7 4 Spain Alvaro
8 2 None Marge
9 3 None Jim
10 4 Spain None
11 3 None Jim
我只想获取 4 个人中每个人的值，这些值不应该发生冲突，例如：
country name
id
1 France Pierre
2 UK Marge
3 USA Jim
4 Spain Alvaro
我试过了：
groupby().first()
groupby.nth(0,dropna='any'/'all')
乃至
groupby().apply(lambda x: …如果我有一个在索引中有重复的数据帧，我将如何创建一组索引中没有重复的数据帧？
更准确地说，给定数据框：
a b
1 1 6
1 2 7
2 3 8
2 4 9
2 5 0
我想要一个数据框列表作为输出：
a b
1 1 6
2 3 8
a b
1 2 7
2 4 9
a b
2 5 0
这需要根据重复的数量根据需要扩展到尽可能多的数据帧。
我有很长的循环用于重复名称,我希望通过使用函数简化事情,而不是每次都重复匹配的所有附带效果.我从以下测试用例开始,但它不像我期望的那样工作:
x, y = 0, 0
def testFunc(*args):
global x, y
for arg in args:
if arg:
x +=1
else:
y +=1
return (x, y)
当我运行它:
>>>testFunc(x==y,x==y,x==y)
(3,0)
>>>testFunc(x==y)
(3,1)
>>>testFunc(x!=y,x!=y,x!=y)
(3,4)
基本上,在任何操作发生之前,参数似乎都会转换为布尔值.有没有办法避免这种情况？我原以为:
>>>testFunc(x==y,x==y,x==y)
(2,1)
>>>testFunc(x==y)
(2,2)
>>>testFunc(x!=y,x!=y,x!=y)
(4,3)
这是一个非常笼统的问题，我正在寻求解决方案，以应对以下情况：
我经常发现自己在数据框中创建了一个额外的列，并且我想使用类似以下的内容：
df['new_col'] = df['old_col_1']+df['old_col_2']
但是，除非操作非常简单，否则它会给出“ TypeError：无法将序列转换为[class'whatever']类”，因此我必须使用笨拙的方法。例：
df = pd.DataFrame({'Year':[2018,2017,2016,2017,2016,2018,2018],'Month':[1,1,1,2,2,2,3],
'Value':[521,352,32,125,662,123,621]})
我想要一个“日期”列，并且最终这样做：
from datetime import datetime as dt
df['Date'] = None
for i in df.index:
df1.loc[i,'Date'] = dt(df1.loc[i,'Year'],df1.loc[i,'variable'],1)
在其他情况下，我发现自己在做：
datelist = []
for i in df.index:
datelist.append(dt(df1.loc[i,'Year'],df1.loc[i,'variable'],1))
df['Date'] = datelist
显然，这只是一个示例，在很多情况下，我最终都会使用这两种方法。我是否正确地认为这些方法不是pythonic的？基于其他列生成稍微复杂的列的更好方法是什么？
我有一列值以字符串形式列出，以';分隔。'，我想为每个单独的值生成true / false列。该数据帧很大（100k行，13个值），我当前的代码在该数据帧中每秒大约执行1.5行。有专门的熊猫功能可以更快地做到这一点吗？还是我犯了一个明显的错误，使我的代码变慢了？
数据如下：
id likes colour
0 1 blue
1 2 blue; green; red
2 3 red; purple
3 4 purple; blue
4 5 yellow; red
5 6 yellow
输出为：
id likes colour red yellow blue purple green
0 1 blue False False True False False
1 2 blue; green; red True False True False True
2 3 red; purple True False False True False
3 4 purple; blue False False True True False
4 5 yellow; red True …