Question

如果缺少age的值，我想创建一个值为1的变量。相反，所有内容都是None列的输出中的Value。

raw_data1 = {'id': [1,2,3,5],
    'age': [0, np.nan, 10, 2]}
df1 = pd.DataFrame(raw_data1, columns = ['id','age'])


def my_test(b):
    if b is None:
        return 1


df1['Value'] = df1.apply(lambda row: my_test(row['age']), axis=1)

如何实施？我知道有几种方法，但是我想重点介绍函数的使用（def my_test等）。

Answer 1

如果我对您的理解正确，则可以使用：

df1['value'] = np.where(df1['age'].isnull(), 1, '')

输出：

   id   age value
0   1   0.0      
1   2   NaN     1
2   3  10.0      
3   5   2.0

Answer 2

您可以为此使用map

df1['Value'] = df1['age'].map(lambda x : 1 if np.isnan(x) else np.nan)

如果您想使用自己的功能，可以像这样使用map

def my_test(b):
    if np.isnan(b):
        return 1
    else:
        return np.nan

df1['Value'] = df1['age'].map(lambda x : my_test(x))

Answer 3

您可以使用row.get('age')代替row['age']。

如果get()不在字典中，则

age返回null

Answer 4

相反，

>>> df1.value = df1.age.isna().astype(int)
>>> df1
    id   age  value
 0   1   0.0      0
 1   2   NaN      1
 2   3  10.0      0
 3   5   2.0      0

如果没有条件，如何处理丢失的数据？

4 个答案: