用单独的Pan​​das系列中的值替换NaN值（在Pandas DataFrame中）的最佳方法是什么？

Question

我从Pandas DataFrame开始，该列的列中包含许多NaN值。

我将此熊猫数据框分为两个数据框：非NaN和NaN。

我估计了线性回归模型以尝试填写NaN值（作为其他列的函数）。

因此，我现在有一个单独的熊猫系列，其中包含估计值。其长度与NaN DataFrame的长度相同。

我现在想将这些估计值放回NaN DataFrame中，以便最终将pd.concat（）这两个Dataframe集成到一个DataFrame中，然后用于分析。

我无法找到一种方法将这些值放回NaN DataFrame中正确的行中。每次尝试时，只会填充一些NaN（并且顺序可能错误）。似乎与它们的索引方式有关。

df_nan["Column"] = y_predicted

这是我尝试执行的方法，但是它仅填充了某些行，而且是错误地。可能与索引有关？

Answer 1

我认为一种解决方法是：保留原始数据框，并在要插入的列上使用Apply。

df['imputed_column'] = df.apply(lambda x: x.Column if(pd.notnull(x.Column)) else y_predicted[x.name],axis=1)

如果下一行具有空值（x.name是该行的索引），则将获得估计值。否则，它将保持相同的值。