python - 基于列条件python pandas的填充和替换

Question

我有一个带有 MachineType、Prod/RT 和其他几列的 df。MachineType 包含 TRUE 或 FALSE。需要.fillna 和 .replace 但对于 MachineType 以不同的方式。（TRUE 和 FALSE 的填充值不同）

数据框：updatedDf

我的代码在计算之上：

updatedDf['Prod/RT']=updatedDf[updatedDf['MachineType']==True]['Prod/RT'].replace(np.inf,0.021660)
updatedDf['Prod/RT']=updatedDf[updatedDf['MachineType']==True]['Prod/RT'].fillna(0.021660)


updatedDf['Prod/RT']=updatedDf[updatedDf['MachineType']==False]['Prod/RT'].replace(np.inf,0.050261)
updatedDf['Prod/RT']=updatedDf[updatedDf['MachineType']==False]['Prod/RT'].fillna(0.050261)

但是我的代码给出了一个带有 Nan 值的意外输出。有什么办法可以解决这个错误吗？或者我们不能像上面那样使用 .fillna 和 .replace 吗？

标签： pythonpandasconditional-statementsfillna

Answer 1

我解决问题的方法是将填充和替换包装在一个函数中，并将其用作 pandas 中的参数.apply()。使用您的方法将需要使用.loc[].

updatedDf = pd.DataFrame({
    'MachineType' : np.random.choice([True, False], 10, True),
    'Prod/RT' : np.random.choice([np.nan, np.inf, random.random()], 10, True)
})

# solution 1
prod_RT_dict = {True:0.21660, False:0.050261}
def fillProd_RT(row):
    if row['Prod/RT'] != np.inf and pd.notna(row['Prod/RT']):
        return row['Prod/RT']
    else:
        return prod_RT_dict[row['MachineType']]
updatedDf['Prod/RT_2'] = updatedDf.apply(fillProd_RT, axis=1)

# solution 2
updatedDf['Prod/RT_3']=updatedDf['Prod/RT'].replace(np.inf,np.nan)
updatedDf.loc[updatedDf['MachineType']==True,'Prod/RT_3']=updatedDf\
    .loc[updatedDf['MachineType']==True,'Prod/RT_3'].fillna(0.021660)
updatedDf.loc[updatedDf['MachineType']==False,'Prod/RT_3']=updatedDf\
    .loc[updatedDf['MachineType']==False,'Prod/RT_3'].fillna(0.050261)

updatedDf