Python:如何找到一个列中的哪个值在另一个特定列中有NaN值(dataframes)

Question

假设我们有如下所示的df1：

x1 = [{'partner': "Afghanistan", 'commodity': NaN}, 
      {'partner': "Zambia",      'commodity': 2}, 
      {'partner': "Germany",     'commodity': 2},
      {'partner': "Afghanistan", 'commodity': NaN},
      {'partner': "Canada",      'commodity': NaN},
      {'partner': "Italy",       'commodity': 3},
      {'partner': "Canada",      'commodity': NaN},
      {'partner': "USA",         'commodity': NaN}]

df1 = pd.DataFrame(x1)

我想要做的是在partner中看到在commodity中有NaN值的值列表，但是我不想让相同的partner列出两次。

所以我想要的结果如下：

commodity_nan_partners=
Afghanistan
Canada
USA

而不是：

Afghanistan
Afghanistan
Canada
Canada
USA

Answer 1

loc + isnull + drop_duplicates

您可以筛选您的系列，然后删除重复项：

res = df1.loc[df1['commodity'].isnull(), 'partner'].drop_duplicates()

print(res)

0    Afghanistan
4         Canada
7            USA
Name: partner, dtype: object

Answer 2

您可以使用NaN查找isnull值，然后使用unique或set获取唯一值。

>>> pd.Series(df1.loc[df1.commodity.isnull(),'partner'].unique())
0    Afghanistan
1         Canada
2            USA
dtype: object

# or
>>> pd.Series(list(set(df1.loc[df1.commodity.isnull(),'partner'])))
0         Canada
1    Afghanistan
2            USA
dtype: object

Answer 3

步骤1

筛选出仅保留有效字符串：

v = df1.loc[df1.commodity.isna(), 'partner']

或,

v = df1.partner[df1.commodity.isna()]

​

print(v)
0    Afghanistan
3    Afghanistan
4         Canada
6         Canada
7            USA
Name: partner, dtype: object

步骤2

放下复印机。

如果你想要收藏，

ingredients.unique()
array(['Afghanistan', 'Canada', 'USA'], dtype=object)

或,

set(ingredients)
{'Afghanistan', 'Canada', 'USA'}

如果你想要系列赛，

ser = ingredients.drop_duplicates().reset_index(drop=True)

0    Afghanistan
1         Canada
2            USA
Name: partner, dtype: object

如果你想要DataFrame，

df = ser.to_frame()