我的数据框中有很多列,我想通过操作同一数据框中的其他两列来填充一列
col1 | col2 | col3 | col4
nan 1 2 4
2 2 2 3
3 nan 1 2
如果 nan 存在于 col1 、col2 和 col3 值的基础上,我想要填充 col1 、col2 和 col3 的值。
我的代码如下:
indices_of_nan_cell = [(index,col1,col2,col3) for index,(col1,col2,col3) in enumerate(zip(col1,col2,col3)) if str(col1)=='nan' or str(col2)=='nan' or str(col3)=='nan']
for nan_values in indices:
if np.isnan(nan_values[1]) or nan_values[1] == 'nan':
read4['col1'][nan_values[0]]=float(nan_values[2])*float(nan_values[3])
if np.isnan(nan_values[2]) or nan_values[2] == 'nan':
read4['col2'][nan_values[0]]=float(nan_values[1])/float(nan_values[3])
if np.isnan(nan_values[3]) or nan_values[3] == 'nan':
read4['col3'][nan_values[0]]=float(nan_values[1])*float(nan_values[2])
它对我来说工作正常,但是由于我的数据框中有数千行,因此需要花费很多时间,有什么有效的方法可以做到这一点吗?
最佳答案
我相信需要 fillna
用于更换NaN
仅限 mul
, div
和参数fill_value
用于更换NaN
除法和乘法中的 s:
df['col1'] = df['col1'].fillna(df['col2'].mul(df['col3'], fill_value=1))
df['col2'] = df['col2'].fillna(df['col1'].div(df['col3'], fill_value=1))
df['col3'] = df['col3'].fillna(df['col1'].mul(df['col2'], fill_value=1))
print (df)
col1 col2 col3 col4
0 2.0 1.0 2 4
1 2.0 2.0 2 3
2 3.0 3.0 1 2
另一种方法仅适用于 NaN
行:
m1 = df['col1'].isna()
m2 = df['col2'].isna()
m3 = df['col3'].isna()
#oldier versions of pandas
#m1 = df['col1'].isnull()
#m2 = df['col2'].isnull()
#m3 = df['col3'].isnull()
df.loc[m1, 'col1'] = df.loc[m1, 'col2'].mul(df.loc[m1, 'col3'], fill_value=1)
df.loc[m2, 'col2'] = df.loc[m2, 'col1'].div(df.loc[m2, 'col3'], fill_value=1)
df.loc[m3, 'col3'] = df.loc[m3, 'col1'].mul(df.loc[m3, 'col2'], fill_value=1)
说明:
- 使用
isna
过滤每一列用于 3 个独立的 bool 掩码。 - 对于每个掩码,首先过滤行,例如
df.loc[m1, 'col2']
以及倍数或除法 - 上次分配回来 - 替换
NaN
只是因为再次过滤df.loc[m1, 'col1']
关于python - 通过操作现有列创建新列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/50155148/