Pandas 根据第三列不是常量的值将值从一列复制到另一列

Question

我有一个很大的数据集，它是一个巨大的 table，实际上应该有很多 table。 header 被埋在子集的行中。

我的目标是将那些 header 拉出到一个新列中，这样我就可以按该列进行筛选以获取我想要的数据（一次一个 header）。我为此创建了一个空的 header 列。 SCORE 列中总是有一系列 3 个 NaN 值，其中 NAME 列中的第一个值是我想要的 HEADER。所以我在想可以利用这种关系。

当前 Pandas 数据框具有以下结构：

s = '''HEADER,NAME,SCORE
NaN,Header 1,NaN
NaN,Random Junk,NaN
NaN,Random Junk,NaN
NaN,Ed,98
NaN,Gary,78
NaN,Floyd,89
NaN,Header 2,NaN
NaN,Random Junk,NaN
NaN,Random Junk,NaN
NaN,Mary,96
NaN,Steve,78'''

import pandas as pd
from io import StringIO

df = pd.read_csv(StringIO(s))

HEADER   NAME              SCORE
NaN      Header 1          NaN
NaN      Random Junk       NaN
NaN      Random Junk       NaN
NaN      Ed                98
NaN      Gary              78
NaN      Floyd             89
...      ...               ...
NaN      Header 2          NaN
NaN      Random Junk       NaN
NaN      Random Junk       NaN
NaN      Mary              96
NaN      Steve             78

我想要这个：

HEADER        NAME              SCORE
Header 1      Header 1          NaN
Header 1      Random Junk       NaN
Header 1      Random Junk       NaN
Header 1      Ed                98
Header 1      Gary              78
Header 1      Floyd             89
...           ...               ...
Header 2      Header 2          NaN
Header 2      Random Junk       NaN
Header 2      Random Junk       NaN
Header 2      Mary              96
Header 2      Steve             78

所以我可以删除 NaN 行并得到我真正想要的是：

HEADER        NAME              SCORE
Header 1      Ed                98
Header 1      Gary              78
Header 1      Floyd             89
...           ...               ...
Header 2      Mary              96
Header 2      Steve             78

经过大量搜索，我无法弄清楚如何进行这样的条件编辑。如果您能提供任何帮助，我们将不胜感激。

Answer 1

当 SCORE 依次有 3 个 NaN 和 1 个 non-NaN 时，header 行出现，所以：

使用 shift, isna, and notna 检查此条件。
mask HEADER 列为 NAME。
ffill（向前填充）新的HEADER.
dropna 基于 SCORE.

is_header = df.SCORE.isna() & df.SCORE.shift(-1).isna() & df.SCORE.shift(-2).isna() & df.SCORE.shift(-3).notna()
df.HEADER = df.HEADER.mask(is_header, df.NAME).ffill()
df = df.dropna(subset=['SCORE'])

#       HEADER   NAME  SCORE
# 3   Header 1     Ed   98.0
# 4   Header 1   Gary   78.0
# 5   Header 1  Floyd   89.0
# 9   Header 2   Mary   96.0
# 10  Header 2  Steve   78.0

Pandas 根据第三列不是常量的值将值从一列复制到另一列

Pandas copy value from one column to another based on a value third column that is not constant

python

pandas

dataframe

nan