我试图填补一个熊猫数据框架与0的值只有一些列的子集。
当我这样做的时候:
import pandas as pd
df = pd.DataFrame(data={'a':[1,2,3,None],'b':[4,5,None,6],'c':[None,None,7,8]})
print df
df.fillna(value=0, inplace=True)
print df
输出:
a b c
0 1.0 4.0 NaN
1 2.0 5.0 NaN
2 3.0 NaN 7.0
3 NaN 6.0 8.0
a b c
0 1.0 4.0 0.0
1 2.0 5.0 0.0
2 3.0 0.0 7.0
3 0.0 6.0 8.0
它将每个None替换为0。我要做的是，只替换a和b列中的none，而不是c列。
做这件事最好的方法是什么?
你可以选择你想要的列，并通过赋值来完成:
df[['a', 'b']] = df[['a','b']].fillna(value=0)
结果输出如预期的那样:
a b c
0 1.0 4.0 NaN
1 2.0 5.0 NaN
2 3.0 0.0 7.0
3 0.0 6.0 8.0
您可以使用dict, fillna与不同的值为不同的列
df.fillna({'a':0,'b':0})
Out[829]:
a b c
0 1.0 4.0 NaN
1 2.0 5.0 NaN
2 3.0 0.0 7.0
3 0.0 6.0 8.0
在把它分配回来之后
df=df.fillna({'a':0,'b':0})
df
Out[831]:
a b c
0 1.0 4.0 NaN
1 2.0 5.0 NaN
2 3.0 0.0 7.0
3 0.0 6.0 8.0
你可以使用Wen的解决方案和inplace=True来避免复制对象:
df.fillna({'a':0, 'b':0}, inplace=True)
print(df)
收益率:
a b c
0 1.0 4.0 NaN
1 2.0 5.0 NaN
2 3.0 0.0 7.0
3 0.0 6.0 8.0
或者像这样:
df.loc[df['a'].isnull(),'a']=0
df.loc[df['b'].isnull(),'b']=0
如果还有更多:
for i in your_list:
df.loc[df[i].isnull(),i]=0
以下是如何在一行中做到这一点:
df[['a', 'b']].fillna(value=0, inplace=True)
分解:df[['a'， 'b']]选择你想要填充NaN值的列，value=0告诉它填充NaN值为零，inplace=True将使更改永久，而不必复制对象。
使用顶部的答案会产生一个关于更改df片副本的警告。假设你有其他列，更好的方法是传递一个字典: df。fillna({'A': 'NA'， 'B': 'NA'}， inplace=True)
有时候这个语法不起作用:
df[['col1','col2']] = df[['col1','col2']].fillna()
请使用以下语句:
df['col1','col2']
由于一些奇怪的原因，这个没有工作(使用Pandas: '0.25.1')
df[['col1', 'col2']].fillna(value=0, inplace=True)
另一个解决方案:
subset_cols = ['col1','col2']
[df[col].fillna(0, inplace=True) for col in subset_cols]
例子:
df = pd.DataFrame(data={'col1':[1,2,np.nan,], 'col2':[1,np.nan,3], 'col3':[np.nan,2,3]})
输出:
col1 col2 col3
0 1.00 1.00 nan
1 2.00 nan 2.00
2 nan 3.00 3.00
将列表comp.应用于fillna值:
subset_cols = ['col1','col2']
[df[col].fillna(0, inplace=True) for col in subset_cols]
输出:
col1 col2 col3
0 1.00 1.00 nan
1 2.00 0.00 2.00
2 0.00 3.00 3.00
