Python Pandas 将一列中的 NaN 替换为第二列对应行的值

Posted 2023-02-16

【中文标题】Python Pandas 将一列中的 NaN 替换为第二列对应行的值

【英文标题】：Python Pandas replace NaN in one column with value from corresponding row of second column

【发布时间】：2015-05-24 12:14:08

【问题描述】：

我正在 Python 中使用这个 Pandas DataFrame。

File    heat    Farheit Temp_Rating
   1    YesQ         75         N/A
   1    NoR         115         N/A
   1    YesA         63         N/A
   1    NoT          83          41
   1    NoY         100          80
   1    YesZ         56          12
   2    YesQ        111         N/A
   2    NoR          60         N/A
   2    YesA         19         N/A
   2    NoT         106          77
   2    NoY          45          21
   2    YesZ         40          54
   3    YesQ         84         N/A
   3    NoR          67         N/A
   3    YesA         94         N/A
   3    NoT          68          39
   3    NoY          63          46
   3    YesZ         34          81

我需要将 Temp_Rating 列中的所有 NaN 替换为 Farheit 列中的值。

这是我需要的：

File        heat    Temp_Rating
   1        YesQ             75
   1         NoR            115
   1        YesA             63
   1        YesQ             41
   1         NoR             80
   1        YesA             12
   2        YesQ            111
   2         NoR             60
   2        YesA             19
   2         NoT             77
   2         NoY             21
   2        YesZ             54
   3        YesQ             84
   3         NoR             67
   3        YesA             94
   3         NoT             39
   3         NoY             46
   3        YesZ             81

如果我进行布尔选择，我一次只能选择其中一列。问题是，如果我随后尝试加入他们，我将无法在保持正确顺序的同时做到这一点。

我怎样才能只找到带有NaNs 的Temp_Rating 行并将它们替换为Farheit 列的同一行中的值？

【参考方案1】：

假设你的 DataFrame 在df:

df.Temp_Rating.fillna(df.Farheit, inplace=True)
del df['Farheit']
df.columns = 'File heat Observations'.split()

首先将任何NaN 值替换为df.Farheit 的对应值。删除'Farheit' 列。然后重命名列。这是生成的DataFrame：

【讨论】：

如果两列数据类型都是对象，而不是 N/A，它是该行中的空单元格，如何处理？

一种可能的考虑方法：您可以先将空字符串替换为NaN（参见here），然后使用this 方法。

答案是完美的。如果您想更多地使用 pandas 语法，我建议您删除 df.drop("Farheit", axis=1) 的列，但这可能是个人喜好

@MichaelA 同意 drop 现在在 Pandas-land 中优先于 del。如果使用最近的 Pandas，建议使用 df = df.drop(columns='Farheit') 而非数字轴编号。

【参考方案2】：

上述解决方案对我不起作用。我使用的方法是：

df.loc[df['foo'].isnull(),'foo'] = df['bar']

【讨论】：

它是引发异常还是根本不起作用？尝试 isna() 而不是 isnull()。

【参考方案3】：

解决这个问题的另一种方法，

import pandas as pd
import numpy as np

ts_df = pd.DataFrame([[1,"YesQ",75,],[1,"NoR",115,],[1,"NoT",63,13],[2,"YesT",43,71]],columns=['File','heat','Farheit','Temp'])


def fx(x):
    if np.isnan(x['Temp']):
        return x['Farheit']
    else:
        return x['Temp']
print(1,ts_df)
ts_df['Temp']=ts_df.apply(lambda x : fx(x),axis=1)

print(2,ts_df)

返回：

(1,    File  heat  Farheit  Temp                                                                                    
0     1  YesQ       75   NaN                                                                                        
1     1   NoR      115   NaN                                                                                        
2     1   NoT       63  13.0                                                                                        
3     2  YesT       43  71.0)                                                                                       
(2,    File  heat  Farheit   Temp                                                                                   
0     1  YesQ       75   75.0                                                                                       
1     1   NoR      115  115.0
2     1   NoT       63   13.0
3     2  YesT       43   71.0)

【参考方案4】：

@Jonathan 的回答很好，但是有点矫枉过正，就用pop：

df['Temp_Rating'] = df['Temp_Rating'].fillna(df.pop('Farheit'))

【参考方案5】：

接受的答案使用fillna()，它将填充两个数据框共享索引的缺失值。正如here 很好解释的那样，对于两个数据帧的索引不匹配的情况，您可以使用combine_first 来填充缺失值、行和索引值。

df.Col1 = df.Col1.fillna(df.Col2) #fill in missing values if indices match

#or 
df.Col1 = df.Col1.combine_first(df.Col2) #fill in values, rows, and indices

【讨论】：

不错的答案。在这里的问题中，我没想到数据中有不重叠的索引，所以.filna() 就足够了。实际上，这里的重点是单个列 (Temp_Rating)，其中 NaNs 出现在数据中，因此这两种方法 - .fillna() 和 combine_first() - 最终产生了等效的输出。尽管如此，这是一种非常有用的方法。