Question

我最近开始使用大熊猫，我正在尝试对数据进行一些简单的清理工作。到目前为止，我已经了解到使用大熊猫时会有很多单行。所以我在寻找一个我的情况。我有DataFrame这样的话：

    C0          C1    C2         C3        C4
    3789507     2010   NaN        NaN        NaN  
    3789508      NaN   NaN       2010        NaN  
    3789509      NaN   NaN       2016        NaN  
    3789510      NaN  2014        NaN        NaN
    3789511      NaN   NaN        NaN      2014

我想结束这样的事情：

C0          C1
3789507     2010
3789508     2010
3789509     2016
3789510     2014
3789511     2014

我现在正在做的只是：

k = df.C1.isnull()
df.C1[k] = df.C2[k]
k = df.C1.isnull()
df.C1[k] = df.C3[k]
k = df.C1.isnull()
df.C1[k] = df.C4[k]

它正在工作，但不是最好的解决方案。如果我有100个列，该怎么办？这里的循环只是解决方案吗？

以防我的for循环看起来像这样：

for i in range(2,len(df.columns)):
    k = df.C1.isnull()
    df.C1[k] = df.ix[:,i]

Answer 1

Pandas有一些回填和转发缺失值的方法，所以你可以这样做：

df['C1'] = df.bfill(axis='columns')['C1']

df
Out[10]: 
        C0      C1      C2      C3      C4
0  3789507  2010.0     NaN     NaN     NaN
1  3789508  2010.0     NaN  2010.0     NaN
2  3789509  2016.0     NaN  2016.0     NaN
3  3789510  2014.0  2014.0     NaN     NaN
4  3789511  2014.0     NaN     NaN  2014.0

这适用于您的简单示例数据，但在真实数据集中，您可能必须限制正在回填的列，如：

fill_cols = ['C1', 'C2', 'C3', 'C4']
df['C1'] = df[fill_cols].bfill(axis='columns')['C1']

Pandas - 使用其他列中的值替换NaN值

1 个答案: