熊猫：替换缺失的数据框值/条件计算：fillna答案

【问题标题】：Pandas: Replace missing dataframe values / conditional calculation: fillna熊猫：替换缺失的数据框值/条件计算：fillna
【发布时间】：2021-01-20 23:02:27
【问题描述】：

我想计算一个 pandas 数据框，但有些行包含缺失值。对于那些缺失值，我想使用不同的算法。让我们说：

如果 B 列包含一个值，则从 B 中减去 A
如果 B 列不包含值，则从 C 中减去 A

import pandas as pd
df = pd.DataFrame({'a':[1,2,3,4], 'b':[1,1,None,1],'c':[2,2,2,2]})
df['calc'] = df['b']-df['a']

结果：

print(df)
   a    b  c  calc
0  1  1.0  2   0.0
1  2  1.0  2  -1.0
2  3  NaN  2   NaN
3  4  1.0  2  -3.0

方法 1： 使用 .where 填充 NaN 行：

df['calc'].where(df['b'].isnull()) = df['c']-df['a']

导致SyntaxError: cannot assign to function call。

方法 2： 使用 .iterrows() 填充 NaN 行：

for index, row in df.iterrows():
    i = df['calc'].iloc[index]

    if pd.isnull(row['b']):
        i = row['c']-row['a']
        print(i)
    else:
        i = row['b']-row['a']
        print(i)

执行无误且计算正确，这些i值打印到控制台：

0.0
-1.0
-1.0
-3.0

但值没有写入df['calc']，数据帧保持原样：

print(df['calc'])
0    0.0
1   -1.0
2    NaN
3   -3.0

覆盖NaN 值的正确方法是什么？

【问题讨论】：

标签： python pandas dataframe nan

【解决方案1】：

最后，我偶然发现了.fillna：

df['calc'] = df['calc'].fillna( df['c']-df['a'] )

完成任务！谁能解释一下上述两种方法有什么问题...？

【讨论】：

【解决方案2】：

方法2：

您将其分配给i 值。但这不会修改您的原始数据框。

for index, row in df.iterrows():
    i = df['calc'].iloc[index]

    if pd.isnull(row['b']):
        i = row['c']-row['a']
        print(i)
    else:
        i = row['b']-row['a']
        print(i)
    df.loc[index,'calc'] = i #<------------- here

也别用iterrows()太慢了。

方法一： Pandas where() method is used to check a data frame for one or more condition and return the result accordingly. By default, The rows not satisfying the condition are filled with NaN value.

应该是：

df['calc'] = df['calc'].where(df['b'].isnull(), df['c']-df['a'])

但这只会找到那些你有非零值的行值并用给定的值填充它。

用途：

df['calc'] = df['calc'].where(~df['b'].isnull(), df['c']-df['a'])

或

df['calc'] = np.where(df['b'].isnull(), df['c']-df['a'], df['calc'])

【讨论】：

【解决方案3】：

不要从a 中减去b，然后从a 中减去c 您可以做的是首先将fill b 列中的nan 值与@987654328 列中的值@，然后减去列a：

df['calc'] = df['b'].fillna(df['c']) - df['a']

   a    b  c  calc
0  1  1.0  2   0.0
1  2  1.0  2  -1.0
2  3  NaN  2  -1.0
3  4  1.0  2  -3.0

【讨论】：