Question

我有一个大型数据框，我正在尝试使用字典作为指南，根据A列中的值填充B列的NaN条目。例如：

df = 
   A    B 
0  Red  628  
1  Red  149  
2  Red  NaN  
3  Green  575  
4  Green  687
5  Green  NaN
6  Blue  159
7  Blue  NaN

和字典是（例如）

dict = {"Red": 123, "Green": 456, "Blue": 789}

我很好奇使用Pandas用字典中的相应数字替换每个NaN的最佳方法。我不确定如何在这种情况下使用.fillna（）或.isnull（）方法。我是Pandas的新手，所以对任何帮助表示赞赏！谢谢。

Answer 1

我认为您的索引看起来不合适，以下是您想要的：

In [19]:
df['B'] = df.set_index('A')['B'].fillna(d).reset_index()['B']

df
Out[19]:
       A    B
0    Red  628
1    Red  149
2    Red  123
3  Green  575
4  Green  687
5  Green  456
6   Blue  159
7   Blue  789

这里我们将索引设置为列'A'然后调用fillna传递你的dict，这将使用索引（'A'）执行查找以返回关联的dict值，然后我们重置索引和覆盖列'B'

Answer 2

使用rows (see docs)和boolean indexing map选择相关dictionary，将A转换为B值必要的：

na_map = {"Red": 123, "Green": 456, "Blue": 789}
mask = df.B.isnull()

mask如下所示：

0    False
1    False
2     True
3    False
4    False
5     True
6    False
7     True

最后：

df.loc[mask, 'B'] = df.loc[mask, 'A'].map(na_map)

       A    B
0    Red  628
1    Red  149
2    Red  123
3  Green  575
4  Green  687
5  Green  456
6   Blue  159
7   Blue  789

使用Pandas根据不同列中的值填充NaN条目，使用字典作为指南

2 个答案: