Pandy: jak wypełnić wartości nan wartościami z innej kolumny

Możesz użyć poniższej składni, aby zastąpić wartości NaN w jednej kolumnie pandy DataFrame wartościami w innej kolumnie:

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

Ta konkretna składnia zastąpi wszystkie wartości NaN w col1 odpowiednimi wartościami w col2 .

Poniższy przykład pokazuje, jak zastosować tę składnię w praktyce.

Przykład: Zastąp brakujące wartości inną kolumną

Załóżmy, że mamy następującą ramkę danych pandy z kilkoma brakującymi wartościami:

 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

Zauważ, że w kolumnie team1 znajdują się dwie wartości NaN.

Możemy użyć funkcji fillna() , aby wypełnić wartości NaN w kolumnie zespół1 odpowiednią wartością w kolumnie zespół2 :

 #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

Należy pamiętać, że dwie wartości NaN w kolumnie zespół1 zostały zastąpione odpowiednimi wartościami w kolumnie zespół2 .

Uwaga : Pełną dokumentację online funkcji fillna() można znaleźć tutaj .

Dodatkowe zasoby

Poniższe samouczki wyjaśniają, jak wykonywać inne typowe operacje na pandach:

Jak policzyć brakujące wartości w pandach
Jak usunąć wiersze z wartościami NaN w Pandach
Jak usunąć wiersze zawierające określoną wartość w Pandach