将每个 groupby 对象的多列数据转换为一列

Question

我有一个数据框 df:

df = pd.DataFrame({'ID': ['1','1','2'], \ 'diag1': ['C1.10', 'E10.40','F20.00'], \ 'diag2': ['M30', '','O92.15'], \ 'diag3': ['E15.34', 'H20.00','']})

我想创建一个新的数据框 df1，它应该包含 df['diag1']、df['diag2'] 和 df['diag3'] 列中的所有信息，基于每个 ID 到 df1['diag_all'] 的一栏中。

我是否需要使用转换方法来实现这一点，或者是否有任何其他功能可以做到这一点？

这就是我想要实现的： ID diag_all 0 1 C1.10 1 1 E10.40 2 1 F20.00 3 1 M30 4 1 O92.15 5 2 E15.34 6 2 H20.00

请记住，我在实际数据框中还有许多其他列，我不想在此转换过程中使用它们。所以我们需要在 df 中指定要转换为 df1['diag_all'].

的列

Answer 1

匹配输出 DataFrame 对要省略的空白和新索引的种类有一定的容忍度。

import pandas as pd
import numpy as np

df = pd.DataFrame({'ID': ['1','1','2'], \
                   'diag1': ['C1.10', 'E10.40','F20.00'], \
                   'diag2': ['M30', '','O92.15'], \
                   'diag3': ['E15.34', 'H20.00','']})

df.replace(r'^\s*$', np.nan, regex=True, inplace=True)
df1 = pd.melt(df, id_vars=['ID'], value_vars=['diag1', 'diag2', 'diag3'], value_name='diag_all')[['ID', 'diag_all']]
df1 = df1.sort_values(['ID']).dropna().reset_index().drop(['index'], axis=1)
print(df1)

  ID diag_all
0  1    C1.10
1  1   E10.40
2  1      M30
3  1   E15.34
4  1   H20.00
5  2   F20.00
6  2   O92.15

将每个 groupby 对象的多列数据转换为一列

Transform multiple columns data into one column for every groupby object

pandas

python-3.5

pandas-groupby