如何过滤可积数据列中的NA值？

Question

我有一个数据表，

DT_EX= dt.Frame({
               'country':['a','a','a','a'],
               'id':[3,3,3,3],
               'shop':['dmart','dmart','dmart','dmart'],
               'beef':[23,None,None,None],
               'eggs':[None,33,None,None],
               'fork':[None,None,10,None],
               'veg':[None,None,None,40]})

它的输出是，

​

​

我想把它转换成datatable，它在列中不应该有NA，如这个输出所示，

​

​

请您解释一下如何在py-datatable上执行此操作(移除NA)吗？dt.isna()在这种情况下会有帮助吗？

Answer 1

一种方法是选择前三列(它们没有空)，然后用其余列之和扩展它：链接

from datatable import f, first, sum

DT_EX[:,first(f[:3]).extend(sum(f[3:]))]

    country id  shop    beef    eggs    fork    veg
▪▪▪▪    ▪▪▪▪    ▪▪▪▪    ▪▪▪▪▪▪▪▪    ▪▪▪▪▪▪▪▪    ▪▪▪▪▪▪▪▪    ▪▪▪▪▪▪▪▪
0   a   3   dmart   23  33  10  40

更新:另一个相关问题的简单解决方案：

DT_EX[:, sum(f[3:]), f[:3])]

Answer 2

我还有一个子群的项目，这是一个新的DT。

DT_EX= dt.Frame({
'country':['a','a','a','a','b','b','c','c'],
'id':[3,3,3,3,4,4,4,4],
'shop':['dmart','dmart','dmart','dmart','amzn','amzn','amzn','amzn'],
'beef':[23,None,None,None,93,None,None,None],
'eggs':[None,33,None,None,None,103,None,None],
'fork':[None,None,10,None,None,None,210,None],
'veg':[None,None,None,40,None,None,None,340]})

我试着在上面加上推荐的逻辑，如下面的截图中所示，

​

在第二个代码块中，它总结了每一列(牛肉、鸡蛋、叉子、蔬菜)。

在第三个代码块中，我对前三列进行了分组，这里给出了一个正确的输出，但是它添加了重复的列，另一个观察是它用0填充NA值，它可以在C观察中找到。

你对此还有什么其他的想法/建议吗？