如何根据熊猫中另一列的值来填充一列的缺失值？

Question

我有一个数据框，如下所示：

import numpy as np
import pandas as pd
d = {'col1': [np.nan, 19, 32, np.nan, 54, 67], 'col2': [0, 1, 0, 1, 1, 1]}
df = pd.DataFrame(d)

我想基于“ col2”的值填充“ col1”中的缺失值。具体来说：如果“ col2”为0，我想用0填充“ col1”中的缺失值，否则将“ col1”保持原样。在这种情况下，我的输出应如下所示：

d_updated = {'col1': [0, 19, 32, np.nan, 54, 67], 'col2': [0, 1, 0, 1, 1, 1]}
df_updated = pd.DataFrame(d_updated)

要获得上述输出，我尝试获取“ col2”的值等于0的索引，并使用fillna（）：

ix = list(df[df["col2"] == 0].index)
df["col2"].loc[ix].fillna(0, inplace = True)

但是，我的方法行不通，我也不知道为什么。谢谢你。

Answer 1

尝试使用loc和布尔索引：

df.loc[(df['col1'].isna()) & (df['col2'] == 0), 'col1'] = df['col2']

输出：

   col1  col2
0   0.0     0
1  19.0     1
2  32.0     0
3   NaN     1
4  54.0     1
5  67.0     1

Answer 2

m=(df.col2==0 )&(df.col1.isna())#boolean select using loc

那么以下任何一项都可以做

df.loc[m,'col1']=df.loc[m,'col1'].fillna(0, inplace=True)

or
df.loc[m,'col1'] = df.loc[m,'col1'].replace('nan', np.nan).fillna(0)