Panda's: hoe je nan-waarden vult met waarden uit een andere kolom

U kunt de volgende syntaxis gebruiken om NaN-waarden in de ene kolom van een pandas DataFrame te vervangen door waarden in een andere kolom:

 df[' col1 '] = df[' col1 ']. fillna (df[' col2 '])

Deze specifieke syntaxis vervangt alle NaN-waarden in col1 door de overeenkomstige waarden in col2 .

Het volgende voorbeeld laat zien hoe u deze syntaxis in de praktijk kunt gebruiken.

Voorbeeld: Vervang ontbrekende waarden door een andere kolom

Laten we aannemen dat we de volgende panda’s DataFrame hebben met een paar ontbrekende waarden:

 import numpy as np
import pandas as pd

#create DataFrame with some NaN values
df = pd. DataFrame ({' team1 ': ['Mavs', np.nan, 'Nets', 'Hawks', np.nan, 'Jazz'],
                   ' team2 ': ['Spurs', 'Lakers', 'Kings', 'Celtics', 'Heat', 'Magic']})

#view DataFrame
df

        team1 team2
0 Mavs Spurs
1 NaN Lakers
2 Nets Kings
3 Hawks Celtics
4 NaN Heat
5 Jazz Magic

Merk op dat er twee NaN-waarden in de team1- kolom staan.

We kunnen de functie fillna() gebruiken om de NaN-waarden in de team1- kolom te vullen met de overeenkomstige waarde in de team2- kolom:

 #fill NaNs in team1 column with corresponding values in team2 column
df[' team1 '] = df[' team1 ']. fillna (df[' team2 '])

#view updated DataFrame
df

        team1 team2
0 Mavs Spurs
1 Lakers Lakers
2 Nets Kings
3 Hawks Celtics
4 Heat Heat
5 Jazz Magic

Merk op dat de twee NaN-waarden in de team1- kolom zijn vervangen door de overeenkomstige waarden in de team2- kolom.

Opmerking : u kunt hier de volledige online documentatie voor de functie fillna() vinden.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen in panda’s kunt uitvoeren:

Hoe ontbrekende waarden bij panda’s te tellen
Hoe rijen met NaN-waarden in Panda’s te verwijderen
Hoe rijen met een specifieke waarde in Pandas te verwijderen