Pandas 如何用现有列值替换DataFrame列的NaN值？

数据帧df示例：

  EateryItem
0 Burger
1 pizza
2 Donut
3 NaN
4 NaN
5 NaN
6  .
.  .
.  .
15 NaN

为了填写前面的项目，我发现解决方案如下

df.bfill().ffill()

我的预期结果是使用现有列值填充NaN不一定是相同的顺序，也可能是随机的：

EateryItem
0 Burger
1 pizza
2 Donut
3 Burger
4 pizza
5 Donut
6 Burger
7 pizza
8 Donut
9 Burger
10 pizza
11 Donut
.   .
.   . 

你可以： 创建一个随机数组，从非NaN元素到NaN元素的长度：intdf.EateryItem.isna.sum，然后使用筛选NaN元素并分配此数组

s=np.random.choice(df.EateryItem.dropna(),int(df.EateryItem.isna().sum()))
df.loc[df.EateryItem.isna(),'EateryItem']=s
print(df)

用于从EateryItem获取项目的随机样本

值\u到\u fill=df['EateryItem']\ 多普纳先生\ .samplen=df['EateryItem'].isna.sum，随机_状态=1，替换=True df.loc[df['EateryItem'].isna，'EateryItem']=值 编辑 dropna返回仅包含有效值的pandas.core.series.series：

df['EateryItem'].dropna 汉堡包 一份比萨饼 2个甜甜圈 名称：EateryItem，数据类型：object 从这些值中，我想得到一个随机样本，因此我使用。样本：

df['EateryItem'].dropna\ .samplen=df['EateryItem'].isna.sum，随机_状态=1，替换=True 一份比萨饼 汉堡包 汉堡包 一份比萨饼 名称：EateryItem，数据类型：object n这里有许多要退回的项目。在本例中，我需要一个等于所有缺失值之和的数字，因此.isna.sum:

df['EateryItem'].isna.sum 4. random_state=1是一个种子，添加该种子是为了可复制性

“替换”指定是否替换样本。如果为False，根据默认设置，将出现错误：ValueError:当“replace=False”时，无法获取比总体更大的样本

使用.to_numpy将级数的值转换为数组，给出：

值\u到\u填充。到\u numpy 数组['pizza'，'Burger'，'Burger'，'pizza'，]，dtype=object 现在我有了一个包含项的数组，我可以使用它们来填充原始序列中缺少的值

df.loc[df['EateryItem'].isna，'EateryItem']=值 使用.isna和.loc，我筛选了缺少值的行：

df.loc[df['EateryItem'].isna] 饮食项目 3南 4楠 5南 6南 之后，我指定要用数组值_to_fill.to_numpy:…，'替换上面缺少的值EateryItem']=值\u到\u fill.to\u numpy

我试过这个

s = df.item.dropna().unique().tolist()
m = df.item.isnull()
temp = s*int(len(df)/len(s))
temp = temp[:len(df[m])]
df.loc[m, 'item'] = temp

O/p:

---

注意：这也将保持顺序：

现有值的随机性，对吗？是的，披萨、汉堡、甜甜圈…@Codenewbie updated，你也可以使用replace=False，s=np.random.choicedf.EateryItem.dropna，intdf.EateryItem.isna.sum，replace=False我理解代码片段，但无法像你那样把它们放在一起……哇，超级感谢这让我明白了每一点伙计！！对不起，我正在学习熊猫，我想理解和学习这里的每一段代码，我知道s=['burger'、'pizza'、'donut']，m对所有NaN都是真的，temp=['burger'、'pizza'、'donutburger'、'pizza'、'donutburger'、'pizza'、'donut']，我不理解下一部分，如果我的假设是错误的，请纠正我的错误。……thankss只包含有效元素。m包含布尔级数，如果该行为NaN，则为True。temp包含有效元素的重复值。现在，temp保存项的所有值，但我们只需要NaN值。因此，它分割所需的值。现在，我们将temp中的值由NaN保存在item中。我希望你现在清白了。我建议你一行一行地运行，并检查中间结果。快乐编码：

    EateryItem
0   Burger
1   pizza
2   Donut
3   pizza
4   Burger
5   Burger
6   pizza
...

s = df.item.dropna().unique().tolist()
m = df.item.isnull()
temp = s*int(len(df)/len(s))
temp = temp[:len(df[m])]
df.loc[m, 'item'] = temp

      item
0   burger
1    pizza
2    donut
3   burger
4    pizza
5    donut
6   burger
7    pizza
8    donut
9   burger
10   pizza
11   donut
12  burger
13   pizza
14   donut