Python Pandas：如果数据为NaN，则更改为0，否则在数据框中更改为1

Posted 2023-03-13

【中文标题】Python Pandas：如果数据为NaN，则更改为0，否则在数据框中更改为1

【英文标题】：Python Pandas: if the data is NaN, then change to be 0, else change to be 1 in data frame

【发布时间】：2016-12-01 03:14:11

【问题描述】：

我有一个 DataFrame:df 如下：

 row  id  name    age   url           
  1   e1   tom    NaN   http1   
  2   e2   john   25    NaN
  3   e3   lucy   NaN  http3 
  4   e4   tick   29    NaN

我想在列中将 NaN 更改为 0，否则为 1：年龄、url。 我的代码如下，但它是错误的。

  import Pandas as pd

  df[['age', 'url']].applymap(lambda x: 0 if x=='NaN' else x)

我想得到以下结果：

  row  id  name    age   url           
  1   e1   tom     0     1
  2   e2   john    1     0
  3   e3   lucy    0     1 
  4   e4   tick    1     0

感谢您的帮助！

【参考方案1】：

您可以使用where 和fillna 和isnull 条件：

df[['age', 'url']] = df[['age', 'url']].where(df[['age', 'url']].isnull(), 1)
                                       .fillna(0).astype(int)
print (df)

   row  id  name  age  url
0    1  e1   tom    0    1
1    2  e2  john    1    0
2    3  e3  lucy    0    1
3    4  e4  tick    1    0

或者numpy.where 和isnull：

df[['age', 'url']] = np.where(df[['age', 'url']].isnull(), 0, 1)
print (df)
   row  id  name  age  url
0    1  e1   tom    0    1
1    2  e2  john    1    0
2    3  e3  lucy    0    1
3    4  e4  tick    1    0

notnull 和 astype 的最快解决方案：

df[['age', 'url']] = df[['age', 'url']].notnull().astype(int)
print (df)
   row  id  name  age  url
0    1  e1   tom    0    1
1    2  e2  john    1    0
2    3  e3  lucy    0    1
3    4  e4  tick    1    0

编辑：

我尝试修改您的解决方案：

df[['age', 'url']] = df[['age', 'url']].applymap(lambda x: 0 if pd.isnull(x) else 1)
print (df)
   row  id  name  age  url
0    1  e1   tom    0    1
1    2  e2  john    1    0
2    3  e3  lucy    0    1
3    4  e4  tick    1    0

时间安排：

len(df)=4k:

In [127]: %timeit df[['age', 'url']] = df[['age', 'url']].applymap(lambda x: 0 if pd.isnull(x) else 1)
100 loops, best of 3: 11.2 ms per loop

In [128]: %timeit df[['age', 'url']] = np.where(df[['age', 'url']].isnull(), 0, 1)
100 loops, best of 3: 2.69 ms per loop

In [129]: %timeit df[['age', 'url']] = np.where(pd.notnull(df[['age', 'url']]), 1, 0)
100 loops, best of 3: 2.78 ms per loop

In [131]: %timeit df.loc[:, ['age', 'url']] = df[['age', 'url']].notnull() * 1
1000 loops, best of 3: 1.45 ms per loop

In [136]: %timeit df[['age', 'url']] = df[['age', 'url']].notnull().astype(int)
1000 loops, best of 3: 1.01 ms per loop

【讨论】：

感谢您的友好回答。我明天会根据投票接受它。

你帮了我很大的忙。其实数据框是一个大数据框，速度对我来说很重要！

那么piRSquared 解决方案是最快的。

我找到了更快的解决方案piRSquared，请查看最后的编辑。

你是最热情和最善良的，有时不仅仅是基于最佳答案。现在，我接受你！祝你好运！

【参考方案2】：

使用np.where 和pd.notnull 分别用0 和1 替换缺失和有效的元素：

In [90]:
df[['age', 'url']] = np.where(pd.notnull(df[['age', 'url']]), 1, 0)
df

Out[90]:
   row  id  name  age  url
0    1  e1   tom    0    1
1    2  e2  john    1    0
2    3  e3  lucy    0    1
3    4  e4  tick    1    0

【参考方案3】：

df.loc[:, ['age', 'url']] = df[['age', 'url']].notnull() * 1
df