Question

我想替换以下 C 列 D 和 pd.DataFrame 上的缺失值：

df = pd.DataFrame({"A": [1,2,3], 
                   "B": [1, np.nan, 3],
                   "C": [np.nan, 2, 3],
                   "D": [1, 2, np.nan]})

df


    A   B       C       D
0   1   1.00    nan     1.00
1   2   nan     2.00    2.00
2   3   3.00    3.00    nan

如果逐列替换值，我可以做到：

df["C"].fillna(0, inplace=True)
df["D"].fillna(0, inplace=True)

但是，如果我尝试同时在两列上执行此操作，则会得到 SettingWithCopyWarning: A value is trying to be set on a copy of a slice from a DataFrame：

df[["C", "D"]].fillna(0, inplace=True)

我也尝试使用 .loc 更改值，但它也不起作用：

df.loc[:,["C", "D"]].fillna(0, inplace=True)

有没有其他方法可以替换缺失值，而不必为每一列编写一行代码？

Answer 1

在编写问题时，我找到了一个可能的解决方案：

df[["C", "D"]] = df[["C", "D"]].fillna(0)

Answer 2

你可以试试：

fill_map = {col:0 for col in ['C', 'D']}
df = df.fillna(value=fill_map)

df：

    A   B   C   D
0   1   1.0 0.0 1.0
1   2   NaN 2.0 2.0
2   3   3.0 3.0 0.0

Answer 3

出现问题是因为在一种情况下您正在使用数据框的视图，而在另一种情况下您使用的是副本。

df["C"] 将视图返回到 df（数据系列）中，因此使用 .fillna(0, inplace=True) 更改它会更改实际的 df 数据帧。

然而，

df[["C", "D"]] 返回 df 一部分的副本，顺便说一下，由于双括号，df[["C"]] 也是如此。因此，如果您使用 .fillna(0, inplace=True) 更改它，则只会更改副本，因此您看不到原始 df 中的更改。这就是熊猫发出 SettingWithCopyWarning 警告的原因。

操作是返回视图还是数据帧副本的逻辑并不直观。 This 对此有一些详细信息。

您自己的解决方案

df[["C", "D"]] = df[["C", "D"]].fillna(0)

有效，因为您正在制作副本，用零填充它，然后将其重新分配给原始 df。

当有较大的列列表时，另一种解决方案是：

cols = ['C', 'D']
for c in cols: df[c].fillna(0, inplace=True)

如何替换 Pandas 列子集上的 NaN 值？

3 个答案: