如果另一列中的相应值也是NaN，则将一列中的所有值都设置为NaN

Question

目标是通过将另一列中所有一列的值设置为NaN来保持两列之间的关系。

具有以下数据框：

df = pd.DataFrame({'a': [np.nan, 2, np.nan, 4],'b': [11, 12 , 13, 14]})

     a   b
0  NaN  11
1    2  12
2  NaN  13
3    4  14

维护从列a到列b的关系，其中所有NaN值都被更新，结果为：

     a    b
0  NaN  NaN
1    2   12
2  NaN  NaN
3    4   14

可以实现所需行为的一种方法是：

df.b.where(~df.a.isnull(), np.nan)

还有其他方法可以维持这种关系吗？

Answer 1

您可以在mask行上使用NaN。

In [366]: df.mask(df.a.isnull())
Out[366]:
     a     b
0  NaN   NaN
1  2.0  12.0
2  NaN   NaN
3  4.0  14.0

对于列中的任何NaN，请使用df.mask(df.isnull().any(1))

Answer 2

使用pd.Series.notnull避免采用布尔系列的负数：

df.b.where(df.a.notnull(), np.nan)

但是，实际上，您现有的解决方案没有任何问题。

Answer 3

将dropna与reindex一起使用

df.dropna().reindex(df.index)
Out[151]: 
     a     b
0  NaN   NaN
1  2.0  12.0
2  NaN   NaN
3  4.0  14.0

Answer 4

另一种可能是：

df.loc[df.a.isnull(), 'b'] = df.a

不是很短，但是可以完成工作。

Answer 5

使用np.where()，

df['b'] = np.where(df.a.isnull(), df.a, df.b)

工作-np.where（condition，[a，b]）

根据a返回b或condition中的元素。

输出：

>>> df
    a       b
0   NaN     NaN
1   2.0     12.0
2   NaN     NaN
3   4.0     14.0