Question

我有一个带有一些NaN记录的DataFrame，我希望根据NaN记录（本例中的索引）和非NaN记录的数据组合来填充。应修改原始DataFrame。

以下输入/输出/代码的详细信息：

我有一个初始DataFrame，其中包含一些预先计算的数据：

初始输入

raw_data = {'raw':[x for x in range(5)]+[np.nan for x in range(2)]}
source = pd.DataFrame(raw_data)

  raw
0 0.0
1 1.0
2 2.0
3 3.0
4 4.0
5 NaN
6 NaN

我想识别并执行计算以“更新”NaN数据，其中计算基于非NaN数据的数据和来自NaN记录的一些数据。

在这个人为的例子中，我将其计算为：

计算“有效”记录的平均值/平均值。
将其添加到“无效”记录的索引编号。

最后，需要在初始DataFrame上更新。

所需输出

  raw  valid
0 0.0      1
1 1.0      1
2 2.0      1
3 3.0      1
4 4.0      1
5 7.0      0
6 8.0      0

我当前的解决方案（下面）对副本进行计算，然后更新原始DataFrame。

# Setup grouping by NaN in 'raw'
source['valid'] = ~np.isnan(source['raw'])*1
subsets = source.groupby('valid')

# Mean of 'valid' is used later to fill 'invalid' records
valid_mean = subsets.get_group(1)['raw'].mean()

# Operate on a copy of group(0), then update the original DataFrame
invalid = subsets.get_group(0).copy()
invalid['raw'] = subsets.get_group(0).index + valid_mean
source.update(invalid)

有没有更少笨重或更有效的方法来做到这一点？真正的应用程序是在更大的DataFrame上（并且处理NaN行的过程明显更长）。

提前致谢。

Answer 1

您可以使用combine_first：

#mean by default omit `NaN`s
m = source['raw'].mean()
#same as
#m = source['raw'].dropna().mean()
print (m)
2.0

#create valid column if necessary
source['valid'] = source['raw'].notnull().astype(int)
#update NaNs
source['raw'] = source['raw'].combine_first(source.index.to_series() + m)

print (source)
   raw  valid
0  0.0      1
1  1.0      1
2  2.0      1
3  3.0      1
4  4.0      1
5  7.0      0
6  8.0      0

pandas - 使用派生的子集groupby计算部分更新DataFrame

1 个答案: