Panda's: hoe nan-waarden in te vullen met behulp van een woordenboek

Je kunt de functie fillna() gebruiken met een woordenboek om NaN-waarden in de ene kolom van een pandas DataFrame te vervangen op basis van waarden in een andere kolom.

Om dit te doen, kunt u de volgende basissyntaxis gebruiken:

 #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))

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

Voorbeeld: Vul NaN-waarden in Panda’s in met behulp van een woordenboek

Laten we zeggen dat we het volgende panda’s DataFrame hebben dat informatie bevat over verkopen in verschillende winkels:

 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

Houd er rekening mee dat er meerdere NaN-waarden in de kolom Verkoop staan.

Stel dat we deze NaN’s in de verkoopkolom willen invullen met waarden die overeenkomen met specifieke waarden in de winkelkolom .

We kunnen hiervoor de volgende syntaxis gebruiken:

 #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

We hebben een woordenboek gebruikt om de volgende vervangingen in de verkoopkolom aan te brengen:

• Als de winkel A is, vervangt u NaN in Sales door de waarde 5 .
• Als de winkel B is, vervangt u NaN in verkopen door de waarde 10 .
• Als winkel C is, vervang dan NaN in verkoop door de waarde 15 .
• Als de winkel D is, vervangt u NaN in verkopen door de waarde 20 .

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