Pandas: объединить два столбца в DataFrame

У меня есть pandas DataFrame, в котором есть несколько столбцов:

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)

где foo и bar являются столбцами, которые содержат одни и те же данные, но по-разному называются. Есть ли способ переместить строки, которые составляют foo в bar, в идеале, сохраняя имя bar?

В конце DataFrame должен выглядеть как:

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)

То есть значения NaN, которые составляли бар, были заменены значениями из foo.

Ответ 1

Попробуйте следующее:

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

Если вы хотите, чтобы эти данные стали новым столбцом bar, просто присвойте результат df['bar'].

Ответ 2

вы можете использовать непосредственно fillna и назначить результат столбцу "bar"

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

общий пример:

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)

Ответ 3

Другой вариант, используйте метод .apply() для фрейма. Вы можете переназначить столбец с уважением к существующим данным...

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

Ответ 4

Более современные версии pandas (начиная с как минимум 0,12) имеют методы combine_first() и update() для объектов DataFrame и Series, Например, если ваш DataFrame был вызван df, вы бы сделали:

df.bar.combine_first(df.foo)

который только изменит значения Nan столбца bar, чтобы соответствовать столбцу foo, и будет делать это на месте. Чтобы переписать значения, отличные от Nan в bar, с помощью параметров foo, вы должны использовать метод update().

Ответ 5

Вы можете сделать это, используя numpy тоже.

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