{"id":4163,"date":"2023-07-13T04:35:37","date_gmt":"2023-07-13T04:35:37","guid":{"rendered":"https:\/\/statorials.org\/it\/dizionario-fillna-dei-panda\/"},"modified":"2023-07-13T04:35:37","modified_gmt":"2023-07-13T04:35:37","slug":"dizionario-fillna-dei-panda","status":"publish","type":"post","link":"https:\/\/statorials.org\/it\/dizionario-fillna-dei-panda\/","title":{"rendered":"Panda: come compilare i valori nan utilizzando un dizionario"},"content":{"rendered":"

<\/p>\n

\n

\u00c8 possibile utilizzare la funzione fillna()<\/strong> con un dizionario per sostituire i valori NaN in una colonna di un DataFrame Panda in base ai valori in un’altra colonna.<\/span><\/p>\n

Per fare ci\u00f2, \u00e8 possibile utilizzare la seguente sintassi di base:<\/span><\/p>\n

 #define dictionary<\/span>\ndict = {' A<\/span> ': 5<\/span> , ' B<\/span> ': 10<\/span> , ' C<\/span> ': 15<\/span> , ' D<\/span> ': 20<\/span> }\n\n#replace values in col2 based on dictionary values in col1\n<\/span>df[' col2<\/span> '] = df[' col2<\/span> ']. fillna<\/span> (df[' col1<\/span> ']. map<\/span> (dict))<\/strong><\/pre>\n
 L’esempio seguente mostra come utilizzare questa sintassi nella pratica.<\/span><\/p>\n
 Esempio: inserisci i valori NaN in Panda utilizzando un dizionario<\/strong><\/span><\/h2>\n
 Supponiamo di avere il seguente DataFrame panda che contiene informazioni sulle vendite effettuate in vari negozi al dettaglio:<\/span><\/p>\n
 import<\/span> pandas as<\/span> pd\nimport<\/span> numpy as<\/span> np\n\n#createDataFrame\n<\/span>df = pd. DataFrame<\/span> ({' store<\/span> ': ['A', 'A', 'B', 'C', 'D', 'C', 'B', 'D'],\n                   ' sales<\/span> ': [12, np.nan, 30, np.nan, 24, np.nan, np.nan, 13]})\n\n#view DataFrame\n<\/span>print<\/span> (df)\n\n  blind sales\n0 to 12.0\n1 A NaN\n2 B 30.0\n3 C NaN\n4 D 24.0\n5CNaN\n6BNaN\n7 D 13.0<\/strong><\/pre>\n
 Tieni presente che sono presenti pi\u00f9 valori NaN nella colonna Vendite<\/strong> .<\/span><\/p>\n
 Diciamo che vogliamo popolare questi NaN nella colonna delle vendite<\/strong> utilizzando valori che corrispondono a valori specifici nella colonna del negozio<\/strong> .<\/span><\/p>\n
 Possiamo usare la seguente sintassi per fare ci\u00f2:<\/span><\/p>\n
 #define dictionary<\/span>\ndict = {' A<\/span> ': 5<\/span> , ' B<\/span> ': 10<\/span> , ' C<\/span> ': 15<\/span> , ' D<\/span> ': 20<\/span> }\n\n#replace values in sales column based on dictionary values in store column\n<\/span>df[' sales<\/span> '] = df[' sales<\/span> ']. fillna<\/span> (df[' store<\/span> ']. map<\/span> (dict))\n\n#view updated DataFrame<\/span>\nprint<\/span> (df)\n\n  blind sales\n0 to 12.0\n1 A 5.0\n2 B 30.0\n3C 15.0\n4 D 24.0\n5C 15.0\n6 B 10.0\n7 D 13.0\n<\/strong><\/pre>\n
 Abbiamo utilizzato un dizionario per effettuare le seguenti sostituzioni nella colonna delle vendite:<\/span><\/p>\n