根据另一列中的 nan 重置值后重新调整 Pandas 列的权重

Question

这里是PyNoob。给定数据框，例如：

df = pd.DataFrame({'Type': ['A', np.nan, 'B', 'C', 'D', np.nan], 'wgt': [0.1, 0.2, 0.3, 0.25, 0.1, 0.05]})

我想为 Type =

0

设置 wgts =

nan

，并重新加权 wgts，以便它们的总和仍为相同的值（本例中为 1）。我可以通过几个步骤来实现这一点；即获取

sum(wgts)

，获取

sum(nan_wgts)

，将 wgts 设置为 0，其中 Type 为

nan

，然后

new_wgts = wgts * (1 + (sum(nan_wgts)/sum(wgts)))

。
结果应该是：

'new_wgt' = ~ [0.1333, 0, 0.4, 0.3333, 0.1333, 0]

当然，有比我更简单有效的方法来做到这一点。谢谢

Answer 1

使用

np.select

就像if-else语句一样，为每个条件分配一个值，使用起来非常高效，下面是示例代码：

df = (
    pd.DataFrame({'Type': ['A', np.nan, 'B', 'C', 'D', np.nan], 'wgt': [0.1, 0.2, 0.3, 0.25, 0.1, 0.05]})
    .assign(wgt = lambda df_: np.select([df_.Type.isna(), df_.Type.notna()], [0, df_.wgt]))
)

我希望这有帮助！