如何基于条件拼接Pandas两列？np.where使用遇阻求助

嘿，我来帮你搞定这个问题！你遇到的核心问题是np.where()函数的参数不完整，同时咱们得先理清数据里的"nan"到底是什么类型，一步步来：

问题分析 #

1. np.where的参数要求：这个函数必须传入三个参数：np.where(条件表达式, 条件为True时的值, 条件为False时的值)，你之前只传了前两个，所以会报错。
2. 数据里的"nan"是字符串：你的DataFrame a 里的'nan'是字符串类型，不是pandas默认的缺失值np.nan，所以判断的时候要直接比对字符串'nan'。

修正后的代码 #

import pandas as pd 
import numpy as np 

# DF 1
a = pd.DataFrame([1,'nan',2],columns=['a1'])
# DF 2
b = pd.DataFrame(['hola','hola','hola'],columns=['b1']) 

# 修正后的np.where用法：补充else分支
b['b2'] = np.where(a['a1'].astype(str) != 'nan', b['b1'] + a['a1'].astype(str), b['b1'])

print(b['b2'])

运行结果 #

0    hola1
1     hola
2    hola2
Name: b2, dtype: object

额外说明 #

• 如果你的数据里是真正的缺失值np.nan（不是字符串），那判断的时候应该用a['a1'].isna()，代码会变成：

  # 假设a里是真正的NaN
  a = pd.DataFrame([1, np.nan, 2], columns=['a1'])
  b['b2'] = np.where(~a['a1'].isna(), b['b1'] + a['a1'].astype(str), b['b1'])
  

• 你也可以用pandas自带的where方法（注意和numpy的参数顺序相反），效果一样：

  b['b2'] = (b['b1'] + a['a1'].astype(str)).where(a['a1'].astype(str) != 'nan', b['b1'])
  

内容的提问来源于stack exchange，提问作者Julio Ortegón