Pandas - замена значений NaN с использованием значений из других столбцов

Question

В последнее время я начал работать с пандами, и я пытаюсь сделать простую очистку данных. До сих пор я узнал, что при использовании панд существует много однострочных. Поэтому я также рассматриваю один в своем случае. У меня есть DataFrame как это:

C0   C1 C2   C3  C4 
    3789507  2010 NaN  NaN  NaN 
    3789508  NaN NaN  2010  NaN 
    3789509  NaN NaN  2016  NaN 
    3789510  NaN 2014  NaN  NaN 
    3789511  NaN NaN  NaN  2014 

Я хочу, чтобы в конечном итоге с чем-то вроде этого:

C0   C1 
3789507  2010 
3789508  2010 
3789509  2016 
3789510  2014 
3789511  2014 

Что я делаю сейчас просто:

k = df.C1.isnull() 
df.C1[k] = df.C2[k] 
k = df.C1.isnull() 
df.C1[k] = df.C3[k] 
k = df.C1.isnull() 
df.C1[k] = df.C4[k] 

Это работает, но это не самое приятное решение. Что, если у меня будет 100 столбцов? Является ли здесь единственным решением?

Только в случае, если мой цикл выглядит следующим образом:

for i in range(2,len(df.columns)): 
    k = df.C1.isnull() 
    df.C1[k] = df.ix[:,i] 

Answer 1

Панда имеет некоторые методы засыпки и forwardfill недостающих значений, так что вы можете сделать:

df['C1'] = df.bfill(axis='columns')['C1'] 

df 
Out[10]: 
     C0  C1  C2  C3  C4 
0 3789507 2010.0  NaN  NaN  NaN 
1 3789508 2010.0  NaN 2010.0  NaN 
2 3789509 2016.0  NaN 2016.0  NaN 
3 3789510 2014.0 2014.0  NaN  NaN 
4 3789511 2014.0  NaN  NaN 2014.0 

Это работает для простого примера данных, но в реальном наборе данных вам может потребоваться ограничить заполняемые столбцы такими, как:

fill_cols = ['C1', 'C2', 'C3', 'C4'] 
df['C1'] = df[fill_cols].bfill(axis='columns')['C1']