用另一行的值填充缺失值，如果沒有，則取下一個相似值-有解無憂

我有個問題。我在列內缺少數字materialNumber。但如果是相似price的，應該是一模一樣的materialNumber。如果兩個以上materialNumber的情況相同price，則應采用第一個。如果沒有materialNumber找到相同的price，它應該materialnumber根據價格選擇下一個最近的。

資料框

   customerId  materialNumber  price
0           1          1234.0    100
1           1          4562.0     20
2           2             NaN    100
3           2          4562.0     30
4           3          1547.0     40
5           3             NaN     37

代碼

import pandas as pd
d = {
    "customerId": [1, 1, 2, 2, 3, 3],
    "materialNumber": [
        1234,
        4562,
        None,
        4562,
        1547,
        None, 
    ],
    "price": [100, 20, 100, 30, 40, 37],
}
df = pd.DataFrame(data=d)
print(df)

import numpy as np
def find_next(x):
  if(x['materialNumber'] == None):
    #if price occurs only once it should finde the next nearst price
    if(x['price'].value_counts().shape[0] == 1): 
      return x.drop_duplicates(subset=['price'], keep="first")
    else:
      return x.iloc[(x['price']-input).abs().argsort()[:2]]

df['materialNumber'] = df.apply(lambda x: find_next(x), axis=1)

我想要的是

   customerId  materialNumber  price
0           1          1234.0    100
1           1          4562.0     20
2           2            1234    100 # of index 0: 1234.0, 100 (same value)
3           2          4562.0     30
4           3          1547.0     40
5           3            1547     37 # of index 4: 1547.0, 40 (next similar value)

uj5u.com熱心網友回復：

merge_asof與每行有缺失值的匹配行一起使用，每materialNumber行沒有缺失值，并在中分配值DataFrame.loc：

m = df['materialNumber'].isna()
new = pd.merge_asof(df[m].reset_index().sort_values('price'),
                    df[~m].sort_values('price'), on='price', direction='nearest')

df.loc[m, 'materialNumber'] = new.set_index('index')['materialNumber_y']
print(df)
   customerId  materialNumber  price
0           1          1234.0    100
1           1          4562.0     20
2           2          1234.0    100
3           2          4562.0     30
4           3          1547.0     40
5           3          1547.0     37

uj5u.com熱心網友回復：

IIUC，您可以使用 amerge_asof找到相等或最接近的價格值，然后是update您的資料框：

# mask to split the DataFrame in NaN/non-NaN for materialNumber
m = df['materialNumber'].isna()

# sort by price (required for merge_asof)
df2 = df.sort_values(by='price')

# fill missing values
missing = pd.merge_asof(df2.reset_index().loc[m, ['index', 'price']],
                        df2.loc[~m, ['price', 'materialNumber']],
                        on='price',
                        direction='nearest') # direction='forward' for next only

# update in place
df.update(missing.set_index('index')['materialNumber'])

輸出：

   customerId  materialNumber  price
0           1          1234.0    100
1           1          4562.0     20
2           2          1234.0    100
3           2          4562.0     30
4           3          1547.0     40
5           3          1547.0     37

轉載請註明出處，本文鏈接：https://www.uj5u.com/qianduan/491350.html

標籤：Python 熊猫数据框

上一篇：根據另一個串列R中的資料框列創建資料框串列

下一篇：根據資料框中另一列的值創建列