我需要在12列的数据框中对两列进行winsorize。
说,我有列'A','B','C'和'D',每个列都有一系列值。鉴于我清理了一些NaN色谱柱,色谱柱的数量从100减少到80,但它们仍然以100的间隙索引(例如缺少第5行)。
我想通过winsorize方法仅转换列'A'和'B'。为此,我必须将我的列转换为np.array。
import scipy.stats
df['A','B','C','D'] = #some values per each column
ab_df = df['A','B']
X = scipy.stats.mstats.winsorize(ab_df.values, limits=0.01)
new_ab_df = pd.DataFrame(X, columns = ['A','B'])
df = pd.concat([df['C','D'], new_ab_df], axis=1, join='inner', join_axes=[df.index])
当我转换为np.array,然后回到pd.DataFrame时,它的len()在80时是正确的,但我的索引已经重置为0-> 80。如何确保我的转换'A'和'B'列被正确编入索引?我不认为我可以使用apply(),它会保留索引顺序并简单地换出值而不是我的方法,它只用2列创建我的df的转换副本,然后将它们连接到我的其余部分非变换列。
答案 0 :(得分:4)
您可以在原地数据框中执行此操作。
从您的问题描述来看,这听起来像是令人困惑的行和列(即您首先说您的数据框有12列,然后说列数从100减少到80)。
最好在您的问题中提供最简单的数据示例。缺乏这一点,这里有一些基于我的假设的数据:
import numpy as np
import scipy.stats
import pandas as pd
np.random.seed(0)
df = pd.DataFrame(np.random.randn(7, 5), columns=list('ABCDE'))
df.iat[1, 0] = np.nan
df.iat[3, 1] = np.nan
df.iat[5, 2] = np.nan
>>> df
A B C D E
0 1.764052 0.400157 0.978738 2.240893 1.867558
1 NaN 0.950088 -0.151357 -0.103219 0.410599
2 0.144044 1.454274 0.761038 0.121675 0.443863
3 0.333674 NaN -0.205158 0.313068 -0.854096
4 -2.552990 0.653619 0.864436 -0.742165 2.269755
5 -1.454366 0.045759 NaN 1.532779 1.469359
6 0.154947 0.378163 -0.887786 -1.980796 -0.347912
我的假设是使用NaN删除任何行,然后使用winsorize。
mask = df.notnull().all(axis=1), ['A', 'B']
df.loc[mask] = scipy.stats.mstats.winsorize(df.loc[mask].values, limits=0.4)
我对winsorize函数应用了一个上限,以便在这个小数据集上结果更明显。
>>> df
A B C D E
0 0.400157 0.400157 0.978738 2.240893 1.867558
1 NaN 0.950088 -0.151357 -0.103219 0.410599
2 0.378163 0.400157 0.761038 0.121675 0.443863
3 0.333674 NaN -0.205158 0.313068 -0.854096
4 0.378163 0.400157 0.864436 -0.742165 2.269755
5 -1.454366 0.045759 NaN 1.532779 1.469359
6 0.378163 0.378163 -0.887786 -1.980796 -0.347912
答案 1 :(得分:1)
只需将新值分配给现有列。
X = scipy.stats.mstats.winsorize(ab_df.values, limits=0.01)
df.loc[:, ['A', 'B']] = X