Question

fill_value pandas.DataFrame.multiply()参数填充两个数据框中的缺失值。但是，我想在第二个DataFrame中只填充缺失值。除了我的hacky解决方案之外，还有什么好方法呢？

>>> df1 = pd.DataFrame({'a':[1, np.nan, 2], 'b':[np.nan, 3, 4]}, index = [1, 2, 3])
>>> df1
     a    b
1  1.0  NaN
2  NaN  3.0
3  2.0  4.0

>>> df2 = pd.DataFrame({'a':[2, np.nan], 'b':[3, np.nan], 'c':[1, 1]}, index = [1, 2])
>>> df2
     a    b    c
1  2.0  3.0  1.0
2  NaN  NaN  1.0

我希望通过将df1作为主导数据，将两个DataFrames元素相乘，以便生成的形状和NaN条目与df1匹配，同时填充{{ 1}}在NaN中按值1，得到

df2

天真的解决方案不起作用：

     a    b
1  2.0  NaN
2  NaN  3.0
3  2.0  4.0

我的hacky解决方案是创建一个>>> df1.multiply(df2, fill_value=1) a b c 1 2.0 3.0 1.0 2 NaN 3.0 1.0 3 2.0 4.0 NaN的矩阵，其中1具有值，并按df1更新

df2

它感觉不是很优雅。关于使用>>> df3 = df1/df1 >>> df3.update(df2) >>> df3 a b 1 2.0 3.0 2 NaN 1.0 3 1.0 1.0 >>> df1.multiply(df3) a b 1 2.0 NaN 2 NaN 3.0 3 2.0 4.0和df1直接操纵的任何好主意，希望是一个单行？

Answer 1

您可以在df2上使用reindex和fillna：

df1.multiply(df2.reindex(df1.index).fillna(1))

     a    b
1  2.0  NaN
2  NaN  3.0
3  2.0  4.0

在这种情况下，您无需显式调用multiply，只需使用*进行乘法运算：

df1 * df2.reindex(df1.index).fillna(1)

     a    b
1  2.0  NaN
2  NaN  3.0
3  2.0  4.0

此外，如果您需要将df2的列与df1对齐，请使用columns的{{1}}参数：

reindex

Answer 2

一种替代方法是根据df1中的空值过滤结果：

df1.multiply(df2, fill_value=1)[df1.notnull()]
Out: 
     a    b
1  2.0  NaN
2  NaN  3.0
3  2.0  4.0

Pandas Dataframe只与正确的数据帧相乘，并采用fill_value

2 个答案: