Pandas 替换熊猫中的名称时忽略NaN值

我试图替换数据集中某列上的某些值

*（注意NaN条目的存在）

列：

名称

值：

OLIVER 
HARRY 
OLIVER
NaN
HARRY
NaN

User1
User2
User1
User0
User2
User0

User1
User2
User1
NaN
User2
NaN

通过执行以下操作：

df['Name'] = 'User' + pd.Series(pd.factorize(df['Name'])[0] + 1).astype(str)

我得到了我想要的东西：

值：

OLIVER 
HARRY 
OLIVER
NaN
HARRY
NaN

User1
User2
User1
User0
User2
User0

User1
User2
User1
NaN
User2
NaN

问题是我需要我的NaN值保持为NaN。处理过程应忽略NaN列值，并将其保持不变，如下所示：

值：

OLIVER 
HARRY 
OLIVER
NaN
HARRY
NaN

User1
User2
User1
User0
User2
User0

User1
User2
User1
NaN
User2
NaN

怎么做呢？

怎么样

import numpy as np

df['Name'] = np.where(df['Name'].isna(), df['Name'],'User' + pd.Series(pd.factorize(df['Name'])[0] + 1).astype(str))

这不会替换

nan

-条目，而只是将它们保持原样

基本上，

where

函数采用一个布尔值数组，在本例中为

df['Name'].isna（）

，并使用数组中的值作为第二个参数，如果该值为

True

，则使用数组中的值作为第三个参数。

如何

import numpy as np

df['Name'] = np.where(df['Name'].isna(), df['Name'],'User' + pd.Series(pd.factorize(df['Name'])[0] + 1).astype(str))

这不会替换

nan

-条目，而只是将它们保持原样

---

基本上，

where

函数采用一个布尔值数组，在本例中为

df['Name'].isna（）

，并使用给定数组中的值作为第二个参数，无论该值在哪里计算为

True

，而数组中的值则作为第三个参数给出。

另一种方法是从

Name

列中创建一个dict并映射它：

names = {n:"User{}".format(i) for i, n in enumerate(df["Name"].unique())}
df["Name"] = df["Name"].map(names)

---

另一种方法是从

名称

列创建一个dict并映射它：

names = {n:"User{}".format(i) for i, n in enumerate(df["Name"].unique())}
df["Name"] = df["Name"].map(names)

---

@mortysporty，谢谢分享好的解决方案，请在这里添加解释。@mortysporty，谢谢分享好的解决方案，请在这里添加解释。