确定 DataFrame 每一行的值

Question

这是我的数据框

Tipo    Número  renal   dialisis
CC  260037  NULL    NULL
CC  260037  NULL    AAB
CC  165182  NULL    NULL
CC  165182  NULL    CCDE
CC  260039  NULL    NULL
CC  49740   XYZ NULL
CC  260041  NULL    NULL
CC  259653  NULL    NULL

对于 DataFrame 中的每一行，我想确定 renal 和 dialisis 中的值是否为 NULL。那些不是NULL 的行将是1 在survived 列表中；如果它们都是NULL，那么它们将是0。 我的代码是：

survival = pd.read_table('Sophia_Personalizado bien.txt',encoding='utf-16')
survived = []
numero_paciente = []
lista_pacienytes= survival['Número'].values.tolist()
lista_pacienytes= sorted(set(lista_pacienytes))


for e in lista_pacienytes:
    survival_i = survival.loc[survival['Número']==e]
    renal = set(survival_i['renal'].values.tolist())
    dialisis = set(survival_i["dialisis"].values.tolist())

    print('dialisis',dialisis)
    print('renal',renal)

    if renal == 'nan' or dialisis == 'nan':
        survived.append(0)
        numero_paciente.append(e)
    else:
        survived.append(1)
        numero_paciente.append(e)

e = pd.DataFrame({'numero': numero_paciente,
                  'survival': survived})

令人惊讶的是，所有行都等于1，但正如我们在 DataFrame 中看到的那样，这不是真的。另外，

的结果

print('dialisis',dialisis)
print('renal',renal)

是：

dialisis {nan, nan}
renal {nan}

应该是NAN，因为我使用set()。 我错过了什么？谢谢

Answer 1

对于双 NaN，请参阅 this question；本质上它可能会发生，因为np.nan != np.nan，但它并不一致：

In [75]: set(np.array([np.nan, np.nan]))
Out[75]: {nan, nan}

In [76]: set([np.nan, np.nan])
Out[76]: {nan}

关于存在过多行的问题，这归结为您将renal 和dialisis 与字符串 'nan' 而不是floatnp.nan。您可以直接与np.nan 进行比较，也可以使用np.isnan 进行比较。

但是，请注意，惯用的 pandas（以及 NumPy）通常让您在可能的情况下一次执行一列操作，而不是选择 values 并迭代那些，所以在您的情况下，什么你要找的也可以通过以下方式获得：

In [66]: df['survived'] = ~(df.renal.isnull() & df.dialisis.isnull())

In [67]: df
Out[67]:
  Tipo  Número renal dialisis  survived
0   CC  260037   NaN      NaN     False
1   CC  260037   NaN      AAB      True
2   CC  165182   NaN      NaN     False
3   CC  165182   NaN     CCDE      True
4   CC  260039   NaN      NaN     False
5   CC   49740   XYZ      NaN      True
6   CC  260041   NaN      NaN     False
7   CC  259653   NaN      NaN     False

在这里，获得相同效果的另一种方法是通过~df[['renal', 'dialisis']].isnull().all(axis=1) 一次将isnull 应用于两列。

如果您真的更喜欢使用 0 和 1：

In [71]: df['survived'] = df['survived'].astype(int)

In [72]: df
Out[72]:
  Tipo  Número renal dialisis  survived
0   CC  260037   NaN      NaN         0
1   CC  260037   NaN      AAB         1
2   CC  165182   NaN      NaN         0
3   CC  165182   NaN     CCDE         1
4   CC  260039   NaN      NaN         0
5   CC   49740   XYZ      NaN         1
6   CC  260041   NaN      NaN         0
7   CC  259653   NaN      NaN         0