我需要使用來自另一個 DataFrame 的值替換 Pandas DataFrame 中的缺失值。
df1 = pd.DataFrame({'ID':['1111','2222','3333','4444','5555'],'Test':['T1','T1','T1','T2','T2'], 'Day1': ['P','P','P','P','P'], 'Day2': ['P','P','P','P', 'NaN'], 'Day3':['P','P','NaN','P','NaN'], 'Day4': ['P','P','NaN','P','NaN']})
ID Test Day1 Day2 Day3 Day4
0 1111 T1 P P P P
1 2222 T1 P P P P
2 3333 T1 P P NaN NaN
3 4444 T2 P P P P
4 5555 T2 P NaN NaN NaN
df2 = pd.DataFrame({'ID':['3333','5555'], 'Test':['T1','T2'], 'Label': ['OOT-P', 'OOT-T']})
ID Test Label
0 3333 T1 OOT-P
1 5555 T2 OOT-T
df1 中 ID=3333 和 test=T1 的 Day3 和 Day4 的 NaN 需要替換為 df2 中的 OOT-P。
df1 中的 Day2、Day3、Day4（ID=5555 和 test=T2 的 NaN 需要替換為 df2 中的 OOT-T。
兩個資料框都將始終具有 ID 和 Test 列，但 df1 中附加列的名稱和數量會發生變化。例如，df1 可能有 Day1、Day2、Day3、Day4、Day5 列或 Week1、Week2、Week3 列。
uj5u.com熱心網友回復：
您可以df2將系列重塑為fillnain df1。
需要做一些事情：用'NaN'實際的 float替換字串NaN，臨時將 ID/Test 設定為索引，并臨時轉置資料幀（fillna使用 Series/dictionary 僅適用于列）
(df1.replace('NaN', float('nan'))
.set_index(['ID','Test']).T
.fillna(df2.set_index(['ID','Test'])['Label'])
.T.reset_index()
)
輸出：
ID Test Day1 Day2 Day3 Day4
0 1111 T1 P P P P
1 2222 T1 P P P P
2 3333 T1 P P OOT-P OOT-P
3 4444 T2 P P P P
4 5555 T2 P OOT-T OOT-T OOT-T
uj5u.com熱心網友回復：
您還可以使用要更改的 ID 以及要將它們更改為的值來制作元組串列。然后您可以簡單地遍歷 ID 并將 NaN 值替換為您的新值。
IDS_to_Change = df2.ID.values.tolist()
New_Vals = []
for i in range(len(df2.index)):
New_Vals.append(df2[df2['ID'] == IDS_to_Change[i]].Label[i])
Data_to_Merge = list(zip(IDS_to_Change, New_Vals))
for ids in Data_to_Merge:
for i in range (len(df1.index)):
if df1['ID'][i] == ids[0]:
id_name = ids[0]
index = df1[df1['ID'] == id_name].index[0]
for j in range(len(df1[df1['ID'] == id_name].columns)):
if df1[df1['ID'] == id_name].loc[index][j] == 'NaN':
df1.iloc[index][j] = ids[1]
輸出：
ID Test Day1 Day2 Day3 Day4
0 1111 T1 P P P P
1 2222 T1 P P P P
2 3333 T1 P P OOT-P OOT-P
3 4444 T2 P P P P
4 5555 T2 P OOT-T OOT-T OOT-T
轉載請註明出處，本文鏈接：https://www.uj5u.com/qiye/343413.html
上一篇：從分類變數創建新列
下一篇：熊貓從重采樣中檢索添加行的索引