Python中的条件数据插补

Posted 2023-03-12

【中文标题】Python中的条件数据插补

【英文标题】：Conditional data imputation in Python

【发布时间】：2020-08-26 00:16:08

【问题描述】：

我正在尝试有条件地估算我的数据集中的值。

假设我有三列，如果第 1 列为 1，则第 2 列为 0，第 3 列为 0；如果第 1 列是 2，那么第 2 列是 Mean ()，第 3 列是 Mean()。

我尝试使用函数 any() 运行 if 语句并分别定义条件。

但是，根据条件没有满足条件，我要么得到所有平均值，要么得到全零。

具体代码如下：

if (df['Retention_Term'] == 6):
    df.cl_tot_calls_term_seq_1.replace(999, np.nan,inplace = True)
df['cl_tot_calls_term_seq_1'].fillna(df['cl_tot_calls_term_seq_1'].median(),inplace= True)

ValueError: The truth value of a Series is ambiguous. Use a.empty, a.bool(), a.item(), a.any() or a.all().

【问题讨论】：

你能包括其余的堆栈跟踪吗？ （如果我完全了解 pandas，我可能会弄清楚发生了什么，但对我来说，这些函数中的哪一个需要 bool 并得到一个 `Series 并不明显。）

【参考方案1】：

像这样试试。

mask1 = df['Retention_Term']==6
mask2 = df['cl_tot_calls_term_seq_1'] == 999 
df.loc[mask1 & mask2, 'cl_tot_calls_term_seq_1'] = np.nan

那么其余的应该没问题。

df['cl_tot_calls_term_seq_1'].fillna(df['cl_tot_calls_term_seq_1'].median(), inplace= True)