根据条件用True值填充数据框

Question

我创建了一个数据框，其中列作为不同的文档，行作为这些文档的功能，如下所示：

还有更多的文档和70多个功能。我想将NaN值替换为True或保留为NaN，具体取决于文档是否包含要素（行）。

假设：

t1_list = ['date', 'review_score']

然后，数据帧中t1下的前两行将显示为True和course_id，而其余行将通过针对当前行检查t1_list的元素而保持为NaN。
每个“文档”都有一个对应的列表，类似于上面列出的包含该文档功能的列表。我实质上只是在创建一个具有True / NaN值的大型矩阵，以轻松查看哪些文档包含或不包含相同功能。因此，如果当前行名称包含在相应的列表中，则将NaN替换为True。

Answer 1

假设您有这样的字典

features_per_doc = {"t1": ['date', 'review_score'], "t2": ['review_score'],\
                     "t3":['review_score', 'date', 'review_score']}

然后您可以做：

df.apply(lambda column: column.index.isin(features_per_doc[column.name]))

这将返回：

                 t1     t2     t3
date           True  False   True
review_score   True   True   True
course_id     False  False  False

如果您想摆脱错误，那就可以做

df.replace(False, pd.np.nan)

Answer 2

假设您的数据框为df，其中列作为文档名称，索引作为特征。将文档放在词典下可以更好地访问它们。假设此dict是docDict，其键为文档名称，即t1，t2等，内容为文档内容。然后下面的代码应该工作。如果您不想使用dict，则必须以其他方式遍历每个文档，但其余部分将保持不变。

for doc in df.columns:
    for feature in docDict[doc]:
        df[feature][doc] = True

现在您的数据框df将具有必需的结果。