Panda: come compilare i valori nan utilizzando un dizionario

È possibile utilizzare la funzione fillna() con un dizionario per sostituire i valori NaN in una colonna di un DataFrame Panda in base ai valori in un’altra colonna.

Per fare ciò, è possibile utilizzare la seguente sintassi di base:

 #define dictionary
dict = {' A ': 5 , ' B ': 10 , ' C ': 15 , ' D ': 20 }

#replace values in col2 based on dictionary values in col1
df[' col2 '] = df[' col2 ']. fillna (df[' col1 ']. map (dict))

L’esempio seguente mostra come utilizzare questa sintassi nella pratica.

Esempio: inserisci i valori NaN in Panda utilizzando un dizionario

Supponiamo di avere il seguente DataFrame panda che contiene informazioni sulle vendite effettuate in vari negozi al dettaglio:

 import pandas as pd
import numpy as np

#createDataFrame
df = pd. DataFrame ({' store ': ['A', 'A', 'B', 'C', 'D', 'C', 'B', 'D'],
                   ' sales ': [12, np.nan, 30, np.nan, 24, np.nan, np.nan, 13]})

#view DataFrame
print (df)

  blind sales
0 to 12.0
1 A NaN
2 B 30.0
3 C NaN
4 D 24.0
5CNaN
6BNaN
7 D 13.0

Tieni presente che sono presenti più valori NaN nella colonna Vendite .

Diciamo che vogliamo popolare questi NaN nella colonna delle vendite utilizzando valori che corrispondono a valori specifici nella colonna del negozio .

Possiamo usare la seguente sintassi per fare ciò:

 #define dictionary
dict = {' A ': 5 , ' B ': 10 , ' C ': 15 , ' D ': 20 }

#replace values in sales column based on dictionary values in store column
df[' sales '] = df[' sales ']. fillna (df[' store ']. map (dict))

#view updated DataFrame
print (df)

  blind sales
0 to 12.0
1 A 5.0
2 B 30.0
3C 15.0
4 D 24.0
5C 15.0
6 B 10.0
7 D 13.0

Abbiamo utilizzato un dizionario per effettuare le seguenti sostituzioni nella colonna delle vendite:

• Se il negozio è A , sostituisci NaN in Sales con il valore 5 .
• Se il negozio è B , sostituisci NaN in sales con il valore 10 .
• Se store è C , sostituisci NaN in sales con il valore 15 .
• Se il negozio è D , sostituisci NaN in sales con il valore 20 .

Puoi trovare la documentazione online completa per la funzione fillna() qui .

Risorse addizionali

I seguenti tutorial spiegano come eseguire altre operazioni comuni nei panda:

Come contare i valori mancanti nei panda
Come eliminare righe con valori NaN in Panda
Come eliminare righe contenenti un valore specifico in Pandas