Pandas 熊猫用NaN值填充列中的单元格，然后从行中的其他单元格中导出值

我有一个数据帧：

     a    b      c
0    1    2      3 
1    1    1      1
2    3    7      NaN
3    2    3      5
...

我想用机器学习算法填充“三”列（更新值），其中的值为NaN

我不知道该怎么做。示例代码：

import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
df=pd.DataFrame([range(3), [1, 5, np.NaN], [2, 2, np.NaN], [4,5,9], [2,5,7]],columns=['a','b','c'])
x=[]
y=[]
for row in df.iterrows():
    index,data = row
    if(not pd.isnull(data['c'])):
        x.append(data[['a','b']].tolist())
        y.append(data['c'])

model = LinearRegression()
model.fit(x,y)

#this line does not do it in place.
df[~df.c.notnull()].assign(c = lambda x:model.predict(x[['a','b']]))

---

但这给了我一个数据帧的副本。我剩下的唯一选择是使用for循环，但我不想这样做。我认为应该有更多的蟒蛇式的方式来使用熊猫。有人能帮忙吗？或者还有其他方法吗？

您必须执行以下操作：

df.loc[pd.isnull（df['three']），'three']=\u模型的结果

这将直接修改数据帧

df

通过这种方式，首先过滤数据帧以保留要修改的片段（

pd.isnull（df['three']）

），然后从该片段中选择要修改的列（

three

）

在equal的右侧，它希望得到一个数组/列表/系列，其行数与过滤数据帧的行数相同（在您的示例中为一行）

您可能需要根据您的模型准确返回的内容进行调整

编辑

你可能需要像这样做stg

pred = model.predict(df[['a', 'b']])
df['pred'] = model.predict(df[['a', 'b']])
df.loc[pd.isnull(df['c']), 'c'] = df.loc[pd.isnull(df['c']), 'pred']

---

请注意，问题的一个重要部分来自您在示例中使用scikit learn的方式。预测时需要将整个数据集传递给模型。

最简单的方法是先转置，然后在方便的时候进行前向填充/后向填充。

---

df.T.ffill（）.bfill（）.T

model.predict返回一个整数。问题是predict会获取行中其他单元格中的值，我不知道如何给出这些值。我尝试了你的建议，但没有成功：

df.loc[~df.three.notnull（）和++I>0，'three']=model.predict（df.iloc[[I]][[one'，'two']]].values.tolist（）[1]）

你能帮帮忙并给出解决方案吗？

没有成功。此外，您是否可以编辑问题以添加有关
模型的更多信息。预测
？需要可复制的代码来帮助进行更深入的讨论。谢谢您的回答。不过，在分配
c
之后，您可能需要删除
pred
列。