你可以使用groupby
和聚合max
,然后通过fillna
通过astype
取代NaN
S,转换为int
S和持续如果从index
需要列添加reset_index
:
df = df.groupby('drug_id', sort=False).max().fillna(0).astype(int).reset_index()
print (df)
drug_id A B C
0 lexapro.13 1 1 1
1 effexor.223 0 1 1
2 cymbalta.18 1 0 1
另一种解决方案与any
检查是否至少一个值不是zero
或NaN
每组和每列:
df = df.groupby('drug_id', sort=False).any().fillna(0).astype(int).reset_index()
print (df)
drug_id A B C
0 lexapro.13 1 1 1
1 effexor.223 0 1 1
2 cymbalta.18 1 0 1
如果需要检查只1
值在所有colums没有drug_id
有可能得到的所有列名w ^第i个difference
然后eq
与1
比较:
cols = df.columns.difference(['drug_id'])
df[cols] = df[cols].eq(1).astype(int)
df = df.groupby('drug_id', sort=False).max().reset_index()
#or
#df = df.groupby('drug_id', sort=False).any().reset_index()
编辑:
如果有另一个text
列,需要agg
骨料每一列,其他列被遗漏。
d = {'A': [3.0, 1.0, np.nan, np.nan, np.nan, np.nan, np.nan, 1.0],
'type': ['SSRI1', 'SSRI2', 'SSRI3', 'SSRI4', 'SNRI5', 'SNRI6', 'SNRI7', 'SNRI8'],
'drug_id': ['lexapro.13', 'lexapro.13', 'lexapro.13',
'lexapro.13', 'effexor.223', 'effexor.223', 'cymbalta.18', 'cymbalta.18'],
'B': [np.nan, np.nan, 1.0, 1.0, np.nan, 5.0, 4.0, 1.0],
'C': [np.nan, 1.0, np.nan, np.nan, 1.0, np.nan, 2.0, np.nan]}
df = pd.DataFrame(d, columns=['drug_id', 'A', 'B', 'C', 'type'])
print (df)
drug_id A B C type
0 lexapro.13 3.0 NaN NaN SSRI1
1 lexapro.13 1.0 NaN 1.0 SSRI2
2 lexapro.13 NaN 1.0 NaN SSRI3
3 lexapro.13 NaN 1.0 NaN SSRI4
4 effexor.223 NaN NaN 1.0 SNRI5
5 effexor.223 NaN 5.0 NaN SNRI6
6 cymbalta.18 NaN 4.0 2.0 SNRI7
7 cymbalta.18 1.0 1.0 NaN SNRI8
校验值1
:
cols = df.columns.difference(['drug_id', 'type'])
df[cols] = df[cols].eq(1).astype(int)
print (df)
drug_id A B C type
0 lexapro.13 0 0 0 SSRI1
1 lexapro.13 1 0 1 SSRI2
2 lexapro.13 0 1 0 SSRI3
3 lexapro.13 0 1 0 SSRI4
4 effexor.223 0 0 1 SNRI5
5 effexor.223 0 0 0 SNRI6
6 cymbalta.18 0 0 0 SNRI7
7 cymbalta.18 1 1 0 SNRI8
动态准备字典 - 为type
需要另一个功能列。 使用first
为每组或join
第一值对于所有的值以string
的所有值:
d = {x:'max' for x in cols}
d['type'] = 'first'
print (d)
{'A': 'max', 'type': 'first', 'B': 'max', 'C': 'max'}
df1 = df.groupby('drug_id', sort=False).agg(d).reset_index().reindex_axis(df.columns, axis=1)
print (df1)
drug_id A B C type
0 lexapro.13 1 1 1 SSRI1
1 effexor.223 0 0 1 SNRI5
2 cymbalta.18 1 1 0 SNRI7
d = {x:'max' for x in cols}
d['type'] = ', '.join
print (d)
{'A': 'max', 'type': <built-in method join of str object at 0x000000000B447340>,
'B': 'max', 'C': 'max'}
df2 = df.groupby('drug_id', sort=False).agg(d).reset_index().reindex_axis(df.columns, axis=1)
print (df2)
drug_id A B C type
0 lexapro.13 1 1 1 SSRI1, SSRI2, SSRI3, SSRI4
1 effexor.223 0 0 1 SNRI5, SNRI6
2 cymbalta.18 1 1 0 SNRI7, SNRI8
可能一些其他数据如'1',''中A,B,C'列NaN's? – jezrael
是的,有可能 – Mary