将 pandas df（不是 Nan）中的值替换为除前两列之外的列总和

Question

给出以下数据：

data = {'Org': ['A', 'B', 'C', 'D','E','F',
'Tom': [NaN, 1, 1, 1, NaN, NaN],
'Kelly': [1, 1, 1, 1, NaN, 1],
'Rick': [1, 1, 1, 1, 1, 1],
'Dave': [1, NaN, 1, NaN, 1, NaN],
'Sara': [1, 1, 1, 1, 0, 1],
'Liz': [NaN, 1, 1, 1, NaN, 1]}

df = pd.DataFrame(数据)

我想对除前两列之外的列进行求和，然后将非 NaN 的值替换为列结果的总和：

结果应该是这样的：

    data = {'Org': ['A', 'B', 'C', 'D','E','F',
'Tom': [NaN, 5, 6, 5, NaN, NaN],
'Kelly': [1, 5, 6, 5, NaN, 4],
'Rick': [1, 5, 6, 5, 2, 4],
'Dave': [1, NaN, 6, NaN, 2, NaN],
'Sara': [1, 5, 6, 5, NaN, 4],
'Liz': [NaN, 5, 6, 5, NaN, 4]}

我尝试过：

column_sums = df.iloc[:, 2:].sum()
for column in iloc[:, 2:].columns:
     df[column] = column_sums[column]

但这取代了我的所有值，组合名称并在空间上取代了我的 NaN。

有可能有一个顺利的解决方案吗？

谢谢

Answer 1

构建为掩模，

sum

并就地修改：

df = pd.DataFrame(data)

m = df.iloc[:, 1:].notna()

df[m] = np.repeat(m.sum(axis=1).to_numpy()[:, None],
                    df.shape[1], axis=1)

输出：

  Org  Tom  Kelly  Rick  Dave  Sara  Liz
0   A  NaN    4.0     4   4.0     4  NaN
1   B  5.0    5.0     5   NaN     5  5.0
2   C  6.0    6.0     6   6.0     6  6.0
3   D  5.0    5.0     5   NaN     5  5.0
4   E  NaN    NaN     3   3.0     3  NaN
5   F  NaN    4.0     4   NaN     4  4.0