Как использовать pandas.melt (), сохраняя значения NaN?

Question

Я очищаю грязный фрейм данных, где некоторая необходимая информация появляется в именах столбцов.Эта информация должна слиться в один столбец, который будет создан.

index    name       animal    fruit    veg
--------------------------------------------------
0        cow        animal    NaN      NaN
1        apple      NaN       fruit    NaN
2        carrot     NaN       NaN      veg
3        dog        animal    NaN      NaN
4        horse      animal    NaN      NaN
5        car        NaN       NaN      NaN
6        pear       NaN       fruit    NaN
7        pepper     NaN       NaN      veg
8        cucumber   NaN       NaN      veg
9        house      NaN       NaN      NaN

Я пытался использовать функцию pandas.melt(), однако она возвращает много строк с "неправильными" значениями NaN и дубликатов,

Некоторые строки должны отображать NaN, но только те, которые не вписываются в категории, указанные в именах столбцов, поэтому я не могу использовать pandas.dropna().

Также я не могу быть уверен, что удаление дубликатов не приведет к удалению важных данных.

Это код, который я использовал:

import pandas as pd

pd.melt(df, id_vars=['index', 'name'],
        value_vars=['animal', 'fruit', 'veg'],
        var_name='type')

Нужный мне результатдолжен выглядеть примерно так:

index    name       type
--------------------------------------------------
0        cow        animal
1        apple      fruit
2        carrot     veg
3        dog        animal
4        horse      animal
5        car        NaN
6        pear       fruit
7        pepper     veg
8        cucumber   veg
9        house      NaN

Answer 1

Вы можете просто сделать ( при условии, что индекс не столбец, а индекс ), используя df.ffill() на axis=1:

df['type']=df[df.columns[1:]].ffill(axis=1).iloc[:,-1]
#alternatively-> df['type']=df.loc[:,['animal','fruit','veg']].ffill(axis=1).iloc[:,-1]
df_new=df[['name','type']]
print(df_new)

           name    type
index                  
0           cow  animal
1         apple   fruit
2        carrot     veg
3           dog  animal
4         horse  animal
5           car     NaN
6          pear   fruit
7        pepper     veg
8      cucumber     veg
9         house     NaN