Python 用给定数组替换pandas data.frame的一部分

我有一个名为

fake\u num

的

pandas.DataFrame

：

  fake_num=pd.DataFrame([[1,2,3,4,np.nan,np.nan,np.nan],[1.1,1.2,1.3,1.4,1.6,1.8,2.5]]).T
  fake_num
    Out[4]: 
         0    1
    0  1.0  1.1
    1  2.0  1.2
    2  3.0  1.3
    3  4.0  1.4
    4  NaN  1.6
    5  NaN  1.8
    6  NaN  2.5    

我正在尝试使用线性回归来填充

NaN

值：

    from sklearn.linear_model import LinearRegression
    fdrop=fake_num.dropna(axis=0,how='any')
    lr=LinearRegression()
    lr.fit(np.array(fdrop.iloc[:,1]).reshape(-1, 1),np.array(fdrop.iloc[:,0]))
    lr.predict(np.array(fake_num[np.isnan(fake_num[0])][1]).reshape(-1, 1))
Out[5]: array([ 6.,  8., 15.])

我要替换的部分是

fake_num[np.isnan（fake_num[0]）][0]

，所以我想要的是：

    Out[6]: 
     0    1
0  1.0  1.1
1  2.0  1.2
2  3.0  1.3
3  4.0  1.4
4  6.0  1.6
5  8.0  1.8
6  5.0  2.5

当我尝试时：

fake_num[np.isnan(fake_num[0])][0]=lr.predict(np.array(fake_num[np.isnan(fake_num.iloc[:,0])].iloc[:,1]).reshape(-1, 1))
fake_num
__main__:1: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
Out[11]: 
     0    1
0  1.0  1.1
1  2.0  1.2
2  3.0  1.3
3  4.0  1.4
4  NaN  1.6
5  NaN  1.8
6  NaN  2.5

及

及

---

我应该怎么做才能用一些值替换数据框的一部分，给出它的位置。顺便说一句，因为我需要更多的细节细化，有没有好的工具，用简单的预测模型填充na值，使用其他所有非na行和其他列作为输入？类似R.中的missforest的内容

只需调用

fit

，然后使用

loc

重新分配

v = fake_num.dropna()
lr.fit(v[[1]], v[[0]])

m = fake_num[0].isna()
fake_num.loc[m, [0]] = lr.predict(fake_num.loc[m, [1]])

fake_num
      0    1
0   1.0  1.1
1   2.0  1.2
2   3.0  1.3
3   4.0  1.4
4   6.0  1.6
5   8.0  1.8
6  15.0  2.5

可能重复的

    fake_num[np.isnan(fake_num.iloc[:,0])].iloc[:,0]=lr.predict(np.array(fake_num[np.isnan(fake_num.iloc[:,0])].iloc[:,1]).reshape(-1, 1))
fake_num
D:\Users\shan xu\Anaconda3\lib\site-packages\pandas\core\indexing.py:630: SettingWithCopyWarning: 
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead

See the caveats in the documentation: http://pandas.pydata.org/pandas-docs/stable/indexing.html#indexing-view-versus-copy
  self.obj[item_labels[indexer[info_axis]]] = value
Out[12]: 
     0    1
0  1.0  1.1
1  2.0  1.2
2  3.0  1.3
3  4.0  1.4
4  NaN  1.6
5  NaN  1.8

v = fake_num.dropna()
lr.fit(v[[1]], v[[0]])

m = fake_num[0].isna()
fake_num.loc[m, [0]] = lr.predict(fake_num.loc[m, [1]])

fake_num
      0    1
0   1.0  1.1
1   2.0  1.2
2   3.0  1.3
3   4.0  1.4
4   6.0  1.6
5   8.0  1.8
6  15.0  2.5