如何合并行中的值，替换 pandas 中的 nan 值

我正在对数据框进行一些操作：

df

  Node        Interface      Speed      carrier    1-May  9-May   2-Jun    21-Jun  
  Server1      internet1     10          ATT       20     30     50      90    
  Server1      wan3.0        20          Comcast   NaN    NaN    NaN     100
  Server1      wan3.0        50          Comcast   30     40     40      NaN
  Server2      wan2          100         Sprint    90     70     NaN     NaN
  Server2      wan2          20          Sprint    NaN    NaN    88      70
  Server2      Internet2     40          Verizon   10     60     90      70

我需要按节点和接口合并数据框组中的行，将 nan 值替换为另一行，然后选择接口速度的最大值。

预期数据框应该是这样的：

df1

   Node        Interface      Speed      carrier    1-May  9-May   2-Jun    21-Jun  
  Server1      internet1     10          ATT       20      30      50       90    
  Server1      wan3.0        50          Comcast   30      40      40       100
  Server2      wan2          100         Sprint    90      70      88       70
  Server2      Internet2     40          Verizon   10      60      90       70

我尝试过这个：

df2=df.groupby(['Node','Interface','carrier']),agg({'Speep': 'max'}).reset_index()

df3=df.drop('Speed', axis=1)

df4=df3.ffill().drop_duplicates()

不太有效。有没有一种简单的方法来合并行、用其他行值替换 nan 值并为“速度”单元格值选择最大速度？

你可以使用 groupby 和 fillna 的组合来实现，并对“速度”列应用 max 函数。以下是如何操作：

df1 = df.groupby(['Node', 'Interface', 'carrier']).max().reset_index()

df1 = df1.fillna(method='ffill')

这首先将数据框按“节点”、“接口”和“运营商”分组。然后它使用 fillna 的 ffill 方法用每组中的前一个值填充 NaN 值。最后，它重置索引以使数据框恢复到其原始格式。

这是完整的代码：

import pandas as pd
import numpy as np

# 创建示例数据框
df = pd.DataFrame({
    'Node': ['Server1', 'Server1', 'Server1', 'Server2', 'Server2', 'Server2'],
    'Interface': ['internet1', 'wan3.0', 'wan3.0', 'wan2', 'wan2', 'Internet2'],
    'Speed': [10, 20, 50, 100, 20, 40],
    'carrier': ['ATT', 'Comcast', 'Comcast', 'Sprint', 'Sprint', 'Verizon'],
    '1-May': [20, np.nan, 30, 90, np.nan, 10],
    '9-May': [30, np.nan, 40, 70, np.nan, 60],
    '2-Jun': [50, np.nan, 40, np.nan, 88, 90],
    '21-Jun': [90, 100, np.nan, np.nan, 70, 70]
})

# 按“节点”、“接口”和“运营商”列对数据框进行分组
# 获取每个数值列的最大值
df1 = df.groupby(['Node', 'Interface', 'carrier']).max().reset_index()

# 使用前向填充来填充 NaN 值
df1 = df1.fillna(method='ffill')

print(df1)

输出：

      Node  Interface  carrier  Speed  1-May  9-May  2-Jun  21-Jun
0  Server1  internet1      ATT     10   20.0   30.0   50.0    90.0
1  Server1     wan3.0  Comcast     50   30.0   40.0   40.0   100.0
2  Server2    Internet2  Verizon     40   10.0   60.0   90.0    70.0
3  Server2        wan2   Sprint    100   90.0   70.0   88.0    70.0

说明：

1. groupby(['Node', 'Interface', 'carrier']) : 这会根据指定的列创建数据框的分组。
2. max() : 这会找到每个组中每列的最大值。这会处理“速度”列并忽略其他列的 NaN 。
3. reset_index() : 这会将分组的索引转换回列，使输出成为整洁的数据框。
4. fillna(method='ffill') : 这会使用前向填充方法填充剩余的 NaN 值，该方法用每列中前一个有效值替换 NaN 值。

这个代码应该可以给你你想要的结果，合并行、用其他行值替换 NaN 并选择“速度”列的最大值。