Question

我正在尝试基于Nan是常见的串联整数比较来创建虚拟变量。 A＆gt;如果存在任何Nan值，则比较会引发错误，但我希望比较返回Nan。我知道我可以使用fillna（）来替换Nan，我知道这个值是假的，但我希望有更优雅的方法来做到这一点。我需要更改fillna（）中的值，如果我使用少于，或使用可能是正面或负面的变量，这是另一个创建错误的机会。有没有办法让30＆lt; Nan = Nan？

要明确，我想要这个：

df['var_dummy'] = df[df['var'] >= 30].astype('int')

如果var为null则返回null;如果是30+则返回1，否则返回0。目前我得到ValueError：无法从重复的轴重新索引。

Answer 1

这是一种方式：

s1 = pd.Series([1, 3, 4, 2, np.nan, 5, np.nan, 7])
s2 = pd.Series([2, 1, 5, 5, np.nan, np.nan, 2, np.nan])

(s1 < s2).mask(s1.isnull() | s2.isnull(), np.nan)
Out: 
0    1.0
1    0.0
2    1.0
3    1.0
4    NaN
5    NaN
6    NaN
7    NaN
dtype: float64

如果其中任何一个是NaN，则会屏蔽从(s1 < s2)返回的布尔数组。在这种情况下，它返回NaN。但是你不能在一个布尔数组中使用NaN，因此它将被转换为float。

Answer 2

解决方案1 

df['var_dummy'] = 1 * df.loc[~pd.isnull(df['var']), 'var'].ge(30)

解决方案2

df['var_dummy'] = df['var'].apply(lambda x: np.nan if x!=x else 1*(x>30))

x!=x等同于math.isnan（）

Answer 3

您可以使用notna（）方法。这是一个示例：

import pandas as pd

list1 = [12, 34, -4, None, 45]
list2 = ['a', 'b', 'c', 'd', 'e']
  
# Calling DataFrame constructor on above lists
df = pd.DataFrame(list(zip(list1, list2)), columns =['var1','letter'])

#Assigning new dummy variable:
df['var_dummy'] = df['var1'][df['var1'].notna()] >= 30
# or you can also use: df['var_dummy'] = df.var1[df.var1.notna()] >= 30

df

将产生以下输出：

    var1    letter  var_dummy
0   12.0    a       False
1   34.0    b       True
2   -4.0    c       False
3   NaN     d       NaN
4   45.0    e       True

因此，新的虚拟变量具有原始变量NaN行的NaN值。唯一与您的请求不匹配的是，虚拟变量采用的是False和True值，而不是0和1，但是您可以轻松地重新分配值。

但是，您不能更改的是，新的虚拟变量必须为浮点型，因为它包含NaN值，而NaN值本身就是一个特殊的浮点值。有关NaN float的更多信息，请参见此处： How can I check for NaN values?

在这里： https://towardsdatascience.com/navigating-the-hell-of-nans-in-python-71b12558895b

python pandas在整数比较中忽略Nan

3 个答案: