我坚持了很明显的任务。
我有丢失数据的df。为了处理这种数据,我想测试两个dataFrame。
对于第一个X_real_zeros
- 我将缺失替换为0。
对于第二个X_real_means
- 使用列的平均值。
我已在一个数组中收集了所有数字列名称
numeric_cols = ['RFCD.Percentage.1', 'RFCD.Percentage.2', 'RFCD.Percentage.3',
'RFCD.Percentage.4', 'RFCD.Percentage.5',
'SEO.Percentage.1', 'SEO.Percentage.2', 'SEO.Percentage.3',
'SEO.Percentage.4', 'SEO.Percentage.5',
'Year.of.Birth.1', 'Number.of.Successful.Grant.1', 'Number.of.Unsuccessful.Grant.1']
然后我正在尝试创建两个dataFrame。
data = pd.read_csv('data.csv')
X_real_zeros = data
for col in numeric_cols:
X_real_zeros[col] = data[col].fillna(0)
X_real_means = data
a = calculate_means(data[numeric_cols])
for col in numeric_cols:
print(a[col], col)
X_real_means[col] = data[col].fillna(a[col])
但是,当我想创建第二个时,我的data
数据框已被修改。无论如何,我认为我的方法不准确,解决此类任务的正确方法是什么?
答案 0 :(得分:6)
使用
X_real_means = data.copy()
否则,变量X_real_means
将引用与data
完全相同的对象。
Wes Mickenny在这里回答了类似的问题:pandas dataframe, copy by value
更改后的整体代码如下所示:
data = pd.read_csv('data.csv')
X_real_zeros = data.copy()
for col in numeric_cols:
X_real_zeros[col] = data[col].fillna(0)
X_real_means = data.copy()
a = calculate_means(data[numeric_cols])
for col in numeric_cols:
print(a[col], col)
X_real_means[col] = data[col].fillna(a[col])
答案 1 :(得分:1)
我认为你需要做的就是:
data = pd.read_csv('data.csv')
X_real_zeros = data.copy()
for col in numeric_cols:
X_real_zeros[col] = data[col].fillna(0)
X_real_means = data.copy()
a = calculate_means(data[numeric_cols])
for col in numeric_cols:
print(a[col], col)
X_real_means[col] = data[col].fillna(a[col])