如何将布尔索引Nan值返回为NaN而不是false答案

【问题标题】：How to return boolean indexing Nan values as NaN and not false如何将布尔索引Nan值返回为NaN而不是false
【发布时间】：2017-08-18 02:11:07
【问题描述】：

我正在使用此代码

df['Bullish'] = (df['7days_Avg']>0.02).map(int)

作为分类方式； 1 = 真，0 = 假。但是，当df['7days_Avg'] 列没有值（NaN）时，我还希望布尔值输出为“Nan”

下面是我得到的输出

            7days_Avg  Bullish  
Date                            
2017-02-23  -0.085974        0  
2017-02-24  -0.067239        0  
2017-02-27  -0.084491        0  
2017-02-28  -0.052741        0  
2017-03-01  -0.043309        0  
2017-03-02   0.092256        1  
2017-03-03   0.095302        1  
2017-03-06   0.069974        1  
2017-03-07   0.040541        1  
2017-03-08   0.005051        0  
2017-03-09   0.007219        0  
2017-03-10  -0.011321        0  
2017-03-13  -0.007576        0  
2017-03-14        NaN        0  
2017-03-15        NaN        0  
2017-03-16        NaN        0

如您所见，Bullish 列的最后三行的值为 0，尽管7days_avg 的最后三行的值为Nan。我希望Bullish 也输出NaN 其中7days_avg row 的值是NaN

有可能吗？

【问题讨论】：

标签： pandas boolean

【解决方案1】：

假设bullish 列不存在

sda = df['7days_Avg']
df.loc[sda.notnull(), 'Bullish'] = (sda > 0.02).map(int)

【讨论】：

这行得通。您是否只是使用 df.loc 创建一个新列（“牛市”）？我不知道这是可能的。
我终于开始理解代码了。令人印象深刻的东西。

【解决方案2】：

或者，为了保持一行，您可以稍微重新排序代码并使用映射参数 na_action，如下所示：

df['bullish'] = df['avg'].map(lambda x: int(x > 0.02), na_action='ignore')

【讨论】：

【解决方案3】：

您是否尝试过使用 apply 方法？示例：

import pandas as pd
import numpy as np


def is_bullish(x):
    if x > 0.02:
        return True
    elif x <= 0.02:
        return False
    else:
        return np.NaN

df = pd.DataFrame({'avg': [np.random.randint(-10, 10)/100 for x in range(10)]})
df['avg'].ix[1] = None
print(df)
df['bullish'] = df['avg'].apply(is_bullish)
print(df)

我相信你可以让代码更优雅，但这会奏效。

【讨论】：

谢谢。这似乎可行，但上面的代码要精确得多。