将一列中的 NaN 替换为第二列相应行的值

Question

我正在 Python 中使用 Pandas DataFrame。

File    heat    Farheit Temp_Rating
   1    YesQ         75         N/A
   1    NoR         115         N/A
   1    YesA         63         N/A
   1    NoT          83          41
   1    NoY         100          80
   1    YesZ         56          12
   2    YesQ        111         N/A
   2    NoR          60         N/A
   2    YesA         19         N/A
   2    NoT         106          77
   2    NoY          45          21
   2    YesZ         40          54
   3    YesQ         84         N/A
   3    NoR          67         N/A
   3    YesA         94         N/A
   3    NoT          68          39
   3    NoY          63          46
   3    YesZ         34          81

我需要将

Temp_Rating

列中的所有 NaN 替换为

Farheit

列中的值。

这就是我需要的：

File        heat    Temp_Rating
   1        YesQ             75
   1         NoR            115
   1        YesA             63
   1        YesQ             41
   1         NoR             80
   1        YesA             12
   2        YesQ            111
   2         NoR             60
   2        YesA             19
   2         NoT             77
   2         NoY             21
   2        YesZ             54
   3        YesQ             84
   3         NoR             67
   3        YesA             94
   3         NoT             39
   3         NoY             46
   3        YesZ             81

如果我进行布尔选择，我一次只能选择其中一列。问题是，如果我随后尝试加入他们，我将无法在保留正确顺序的同时做到这一点。

如何才能只找到带有

Temp_Rating

的

NaN

行并将其替换为

Farheit

列同一行中的值？

Answer 1

假设您的 DataFrame 位于

df

:

df.Temp_Rating.fillna(df.Farheit, inplace=True)
del df['Farheit']
df.columns = 'File heat Observations'.split()

首先将任何

NaN

值替换为

df.Farheit

的相应值。删除

'Farheit'

列。然后重命名列。这是结果

DataFrame

：

Answer 2

上述解决方案对我不起作用。我使用的方法是：

df.loc[df['foo'].isnull(),'foo'] = df['bar']

Answer 3

@Jonathan 的回答很好，但是有点矫枉过正，只需使用

pop

:

df['Temp_Rating'] = df['Temp_Rating'].fillna(df.pop('Farheit'))

Answer 4

解决这个问题的另一种方法，

import pandas as pd
import numpy as np

ts_df = pd.DataFrame([[1,"YesQ",75,],[1,"NoR",115,],[1,"NoT",63,13],[2,"YesT",43,71]],columns=['File','heat','Farheit','Temp'])


def fx(x):
    if np.isnan(x['Temp']):
        return x['Farheit']
    else:
        return x['Temp']
print(1,ts_df)
ts_df['Temp']=ts_df.apply(lambda x : fx(x),axis=1)

print(2,ts_df)

返回：

(1,    File  heat  Farheit  Temp                                                                                    
0     1  YesQ       75   NaN                                                                                        
1     1   NoR      115   NaN                                                                                        
2     1   NoT       63  13.0                                                                                        
3     2  YesT       43  71.0)                                                                                       
(2,    File  heat  Farheit   Temp                                                                                   
0     1  YesQ       75   75.0                                                                                       
1     1   NoR      115  115.0
2     1   NoT       63   13.0
3     2  YesT       43   71.0)

Answer 5

您还可以使用

mask

将

Temp_Rating

为 NaN 的值替换为

Farheit

:

列

df['Temp_Rating'] = df['Temp_Rating'].mask(df['Temp_Rating'].isna(), df['Farheit'])

Answer 6

接受的答案使用

fillna()

它将填充两个数据帧共享索引的缺失值。正如 here 很好地解释的那样，您可以使用

combine_first

来填充缺失值、行和索引值，以应对两个数据帧的索引不匹配的情况。

df.Col1 = df.Col1.fillna(df.Col2) #fill in missing values if indices match

#or 
df.Col1 = df.Col1.combine_first(df.Col2) #fill in values, rows, and indices

Answer 7

来得很晚，但我遇到了类似的问题，这就是我解决它的方法，对我来说似乎更简洁......希望它适用于处于类似情况的每个人

def function_a (row):
if row['Temp_Rating'] is None : 
    val = print(row['Farheit'])
    return val
 df['Temp_Rating'] = df.apply(function_a, axis=1)
 df1= df.drop([Farheit], axis=1)