python - 在 DataFrame 中为 NaN 添加值时出现问题

Question

我有这个数据框:

    manufacturer    description
0   toyota          toyota, gmc 10 years old.
1   NaN             gmc, Motor runs and drives good.
2   NaN             Motor old, in pieces.
3   NaN             2 owner 0 rust. Cadillac.

我想用从描述中获取的关键字填充 NaN 值。为此，我创建了一个包含我想要的关键字的列表:

keyword = ['gmc', 'toyota', 'cadillac']

最后，我想遍历 DataFrame 中的每一行。拆分每行“描述”列中的内容，如果该词也在“关键字”列表中，则将其添加到“制造商”列中。例如，它看起来像这样:

    manufacturer    description
0   toyota          toyota, gmc 10 years old.
1   gmc             gmc, Motor runs and drives good.
2   NaN             Motor old, in pieces.
3   cadillac        2 owner 0 rust. Cadillac.

感谢这个社区中的某个人，我可以改进我的代码:

import re
keyword = ['gmc', 'toyota', 'cadillac']
bag_of_words = []
for i, description in enumerate(test3['description']):
bag_of_words = re.findall(r"""[A-Za-z\-]+""", test3["description"][i])
for word in bag_of_words: 
    if word.lower() in keyword:
            test3.loc[i, 'manufacturer'] = word.lower()

但我意识到第一行也改变了值，即使它不是 NaN:

  manufacturer  description
0   gmc         toyota, gmc 10 years old.
1   gmc         gmc, Motor runs and drives good.
2   NaN         Motor old, in pieces.
3   cadillac    2 owner 0 rust. Cadillac.

我只想更改 NaN 值，但是当我尝试添加时:

if word.lower() in keyword and test3.loc[i, 'manufacturer'] == np.nan:

它没有任何作用。

Answer 1

np.nan == np.nan 为假。也许有点违反直觉 =) 但这应该意味着最后一个条件永远不应该启动。从你的问题中不清楚你是否看到相同的结果或没有结果。

如果你改变了

for i, description in enumerate(test3['description']):

到

for i, description in zip(test3.loc[test3['manufacturer'].isna(), :].index, test3.loc[test3['manufacturer'].isna(), 'description']):

那么我认为它应该可以正常工作。您只会得到“制造商”为 NaN 的行。您还可以删除 == np.nan 部分，因为非空字符串的计算结果为 True 而 np.nan 的计算结果为 False，但这会使您的代码更难理解。

有很多方法可以使您的代码看起来更好 ;) 但要专注于学习调试，其余的就会来。只要它做你想让它做的事，谁在乎呢。

您可以调试它的一种方法是在循环内打印条件的每个部分的真值。

print(bool(word.lower() in keyword))
print(bool(test3.loc[i, 'manufacturer'] == np.nan)

祝你好运!

编辑:好吧，我可能应该添加我自己会怎么做。

df = pd.DataFrame({'manufacturer': ['toyota', np.nan, np.nan, np.nan],
                   'description': ['toyota, gmc 10 years old.', 'gmc, Motor runs and drives good.', 'Motor old, in pieces.', '2 owner 0 rust. Cadillac.']})
keyword = ['gmc', 'toyota', 'cadillac']
filler = df['description'].map(lambda s: [word for word in keyword if word in s.lower()][0] 
                                         if bool([word for word in keyword if word in s.lower()]) 
                                         else np.nan)
df['manufacturer'] = df['manufacturer'].fillna(filler)

当两者都出现在字符串中时，不确定您是否需要关键字中的最后一项或第一项。我使用索引 0 将其设置为此处的第一项。