如何在熊猫中合并两个数据框以替换 nan
Posted
技术标签:
【中文标题】如何在熊猫中合并两个数据框以替换 nan【英文标题】:How to merge two dataframe in pandas to replace nan 【发布时间】:2014-09-25 14:04:20 【问题描述】:我想在 pandas 中这样做:
我有 2 个数据框,A 和 B,我只想用 B 值替换 A 的 NaN。
A
2014-04-17 12:59:00 146.06250 146.0625 145.93750 145.93750
2014-04-17 13:00:00 145.90625 145.9375 145.87500 145.90625
2014-04-17 13:01:00 145.90625 NaN 145.90625 NaN
2014-04-17 13:02:00 NaN NaN 145.93750 145.96875
B
2014-04-17 12:59:00 146 2/32 146 2/32 145 30/32 145 30/32
2014-04-17 13:00:00 145 29/32 145 30/32 145 28/32 145 29/32
2014-04-17 13:01:00 145 29/32 146 145 29/32 147
2014-04-17 13:02:00 146 146 145 30/32 145 31/32
Result:
2014-04-17 12:59:00 146.06250 146.0625 145.93750 145.93750
2014-04-17 13:00:00 145.90625 145.9375 145.87500 145.90625
2014-04-17 13:01:00 145.90625 146 145.90625 147
2014-04-17 13:02:00 146 146 145.93750 145.96875
【问题讨论】:
如果我没记错的话,Result = A.fillna(B)
应该这样做。
它有点工作,但前提是两个数据帧具有相同的索引(请参阅@Camilo 对 Foobar 答案的评论)。请注意,如果您只想用 B 中的非 NaN 值替换 A(即,用 B 中的现有值替换 A 中的值),A.update(b) 是完美的。
【参考方案1】:
官方推广的方式是A.combine_first(B)
。更多信息在official documentation。
但是,它在使用来自 A.fillna(B)
的大型数据库(使用 25000 个元素执行测试)时表现出色:
In[891]: %timeit df.fillna(df2)
1000 loops, best of 3: 333 µs per loop
In[892]: %timeit df.combine_first(df2)
100 loops, best of 3: 2.15 ms per loop
In[894]: (df.fillna(df2) == df.combine_first(df2)).all().all()
Out[890]: True
【讨论】:
谢谢,combin_firs 的作品可以胜任。但是,fillna 不起作用,正在将 B 第一行与另一行中的 nan A 匹配 "fillna 不工作,正在将 B 第一行与另一行中的 nan A 匹配" > 使用相同的索引并为两者执行 df = df.sort_index()。【参考方案2】: 获取 A 和 B 的 numpy 数组。 制作 A 的掩码,其中 A == numpy.NaN 使用掩码作为布尔索引将 B 分配给 A。与此类似:
>>> a
array([[ 0., 1., 2.],
[ 3., nan, 5.],
[ 6., 7., 8.]], dtype=float16)
>>> b
array([[ 1000., 1000., 1000.],
[ 1000., 1000., 1000.],
[ 1000., 1000., 1000.]])
>>> mask = np.isnan(a)
>>> mask
array([[False, False, False],
[False, True, False],
[False, False, False]], dtype=bool)
>>> a[mask] = b[mask]
>>> a
array([[ 0., 1., 2.],
[ 3., 1000., 5.],
[ 6., 7., 8.]], dtype=float16)
或者,使用numpy.where()
:
>>> a
array([[ 0., 1., 2.],
[ 3., nan, 5.],
[ 6., 7., 8.]], dtype=float16)
>>> a = np.where(np.isnan(a), b, a)
>>> a
array([[ 0., 1., 2.],
[ 3., 1000., 5.],
[ 6., 7., 8.]])
>>>
https://***.com/a/13062410/2823755 建议第一个(布尔索引)方法可以与数据框本身一起使用。 ...确实如此(不满意,所以我安装了 pandas):
>>> a = pandas.DataFrame(np.arange(25, dtype = np.float16).reshape(5,5))
>>> a.values[3,2] = np.NaN
>>> b = pandas.DataFrame(np.arange(1000, 1025, dtype = np.float16).reshape(5,5))
>>> a[np.isnan(a)] = b[np.isnan(a)]
>>> a
0 1 2 3 4
0 0 1 2 3 4
1 5 6 7 8 9
2 10 11 12 13 14
3 15 16 1017 18 19
4 20 21 22 23 24
>>>
pandas.DataFrame.where
也可以。
a.where(~np.isnan(a), other = b, inplace = True)
【讨论】:
我也会尝试这个选项,因为 combine_first 花费了太多时间。您知道将数据帧转换为 numpy 数组的快速方法吗?再次感谢 对不起,没有。我没有安装 pandas 并且不熟悉它 - 但我认为它应该很容易,pandas 似乎广泛使用 numpy。 ***.com/a/17682662/2823755, pandas.pydata.org/pandas-docs/stable/generated/…, pandas.pydata.org/pandas-docs/stable/generated/…以上是关于如何在熊猫中合并两个数据框以替换 nan的主要内容,如果未能解决你的问题,请参考以下文章