我有一个关于填充空值的问题,是否可以像 pandas 那样从其他列回填数据?
有关如何回填数据的 pandas 示例:
df.loc[:, ['A', 'B', 'C']] = df[['A', 'B', 'C']].fillna(
value={
'A': df['D'],
'B': df['D'],
'C': df['D'],
}
)
Polars 示例,如果值为空,我尝试将数据从 D 列回填到 A 列,但它不起作用:
df = pl.DataFrame(
{"date": ["2020-01-01 00:00:00", "2020-01-07 00:00:00", "2020-01-14 00:00:00"],
"A": [3, 4, 7],
"B": [3, 4, 5],
"C": [0, 1, 2],
"D": [1, 2, 5]})
df = df.with_column(pl.col("date").str.strptime(pl.Datetime, "%Y-%m-%d %H:%M:%S"))
date_range = df.select(pl.arange(df["date"][0], df["date"]
[-1] + 1, step=1000*60*60*24).cast(pl.Datetime).alias("date"))
df = (date_range.join(df, on="date", how="left"))
df['D'] = df['D'].fill_null("forward")
print(df)
df[:, ['A']] = df[['A']].fill_null({
'A': df['D']
}
)
print(df)
亲切的问候, 汤姆
在您展示的示例中以及随附的 pandas 代码。
fillna
不会填充任何空值,因为其他列也是 NaN
。因此,我假设您想用另一列没有缺失值的值来填充缺失值,但如果我错了,请纠正我。
import polars as pl
from polars import col
df = pl.DataFrame({
"a": [0, 1, 2, 3, None, 5, 6, None, 8, None],
"b": range(10),
})
out = df.with_columns([
pl.when(col("a").is_null()).then(col("b")).otherwise(col("a")).alias("a"),
pl.when(col("a").is_null()).then(col("b").shift(1)).otherwise(col("a")).alias("a_filled_lag"),
pl.when(col("a").is_null()).then(col("b").mean()).otherwise(col("a")).alias("a_filled_mean")
])
print(out)
在上面的示例中,我们使用
when -> then -> othwerwise
表达式通过其他列值填充缺失值。考虑 if else expressions
,然后考虑整个列。
我给出了 3 个示例,一个是我们填充该值,一个是我们填充滞后值,一个是我们填充另一列的平均值。
上面的代码片段产生:
shape: (10, 4)
┌─────┬─────┬──────────────┬───────────────┐
│ a ┆ b ┆ a_filled_lag ┆ a_filled_mean │
│ --- ┆ --- ┆ --- ┆ --- │
│ i64 ┆ i64 ┆ i64 ┆ f64 │
╞═════╪═════╪══════════════╪═══════════════╡
│ 0 ┆ 0 ┆ 0 ┆ 0.0 │
├╌╌╌╌╌┼╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
│ 1 ┆ 1 ┆ 1 ┆ 1 │
├╌╌╌╌╌┼╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
│ 2 ┆ 2 ┆ 2 ┆ 2 │
├╌╌╌╌╌┼╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
│ 3 ┆ 3 ┆ 3 ┆ 3 │
├╌╌╌╌╌┼╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
│ ... ┆ ... ┆ ... ┆ ... │
├╌╌╌╌╌┼╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
│ 5 ┆ 5 ┆ 5 ┆ 5 │
├╌╌╌╌╌┼╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
│ 6 ┆ 6 ┆ 6 ┆ 6 │
├╌╌╌╌╌┼╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
│ 7 ┆ 7 ┆ 6 ┆ 4.5 │
├╌╌╌╌╌┼╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
│ 8 ┆ 8 ┆ 8 ┆ 8 │
├╌╌╌╌╌┼╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌┼╌╌╌╌╌╌╌╌╌╌╌╌╌╌╌┤
│ 9 ┆ 9 ┆ 8 ┆ 4.5 │
└─────┴─────┴──────────────┴───────────────┘
pl.Expr.fill_null
来填充缺失值。使用方法如下。
import polars as pl
df = pl.DataFrame({
"a": [0, 1, 2, 3, None, 5, 6, None, 8, None],
"b": range(10),
})
(
df
.with_columns(
pl.col("a").fill_null(pl.col("b")).alias("a_filled"),
pl.col("a").fill_null(pl.col("b").shift()).alias("a_filled_lag"),
pl.col("a").fill_null(pl.col("b").mean()).alias("a_filled_mean"),
)
)
shape: (10, 5)
┌──────┬─────┬──────────┬──────────────┬───────────────┐
│ a ┆ b ┆ a_filled ┆ a_filled_lag ┆ a_filled_mean │
│ --- ┆ --- ┆ --- ┆ --- ┆ --- │
│ i64 ┆ i64 ┆ i64 ┆ i64 ┆ f64 │
╞══════╪═════╪══════════╪══════════════╪═══════════════╡
│ 0 ┆ 0 ┆ 0 ┆ 0 ┆ 0.0 │
│ 1 ┆ 1 ┆ 1 ┆ 1 ┆ 1.0 │
│ 2 ┆ 2 ┆ 2 ┆ 2 ┆ 2.0 │
│ 3 ┆ 3 ┆ 3 ┆ 3 ┆ 3.0 │
│ null ┆ 4 ┆ 4 ┆ 3 ┆ 4.5 │
│ 5 ┆ 5 ┆ 5 ┆ 5 ┆ 5.0 │
│ 6 ┆ 6 ┆ 6 ┆ 6 ┆ 6.0 │
│ null ┆ 7 ┆ 7 ┆ 6 ┆ 4.5 │
│ 8 ┆ 8 ┆ 8 ┆ 8 ┆ 8.0 │
│ null ┆ 9 ┆ 9 ┆ 8 ┆ 4.5 │
└──────┴─────┴──────────┴──────────────┴───────────────┘
fillna()方法用于在pandas中填充空值。
df['D'] = df['D'].fillna(df['A'].mean())
上述代码将用
D
列的平均值替换 A
列的空值。