Question

我正在尝试使用空列表[]替换数据中的某些NaN值。但是，列表表示为str，不允许我正确应用len（）函数。无论如何用pandas中的实际空列表替换NaN值？

In [28]: d = pd.DataFrame({'x' : [[1,2,3], [1,2], np.NaN, np.NaN], 'y' : [1,2,3,4]})

In [29]: d
Out[29]:
           x  y
0  [1, 2, 3]  1
1     [1, 2]  2
2        NaN  3
3        NaN  4

In [32]: d.x.replace(np.NaN, '[]', inplace=True)

In [33]: d
Out[33]:
           x  y
0  [1, 2, 3]  1
1     [1, 2]  2
2         []  3
3         []  4

In [34]: d.x.apply(len)
Out[34]:
0    3
1    2
2    2
3    2
Name: x, dtype: int64

Answer 1

这可以使用isnull和loc来掩盖系列：

In [90]:
d.loc[d.isnull()] = d.loc[d.isnull()].apply(lambda x: [])
d

Out[90]:
0    [1, 2, 3]
1       [1, 2]
2           []
3           []
dtype: object

In [91]:
d.apply(len)

Out[91]:
0    3
1    2
2    0
3    0
dtype: int64

您必须使用apply执行此操作，以便不将列表对象解释为要分配回df的数组，该df将尝试将形状与原始系列对齐

修改

使用您更新的示例，以下工作：

In [100]: d.loc[d['x'].isnull(),['x']] = d.loc[d['x'].isnull(),'x'].apply(lambda x: []) d Out[100]: x y 0 [1, 2, 3] 1 1 [1, 2] 2 2 [] 3 3 [] 4 In [102]: d['x'].apply(len) Out[102]: 0 3 1 2 2 0 3 0 Name: x, dtype: int64

Answer 2

要扩展已接受的答案，应用调用可能会特别昂贵-通过从头开始构建numpy数组，无需调用即可完成相同的任务。

isna = df['x'].isna()
df.loc[isna, 'x'] = pd.Series([[]] * isna.sum()).values

快速的时间比较：

def empty_assign_1(s):
    s.isna().apply(lambda x: [])

def empty_assign_2(s):
    pd.Series([[]] * s.isna().sum()).values

series = pd.Series(np.random.choice([1, 2, np.nan], 1000000))

%timeit empty_assign_1(series)
>>> 172 ms ± 2.29 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

%timeit empty_assign_2(series)
>>> 19.5 ms ± 116 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

快10倍！

Answer 3

您还可以为此使用列表理解：

d['x'] = [ [] if x is np.NaN else x for x in d['x'] ]

将NaN替换为pandas数据帧中的空列表

3 个答案: