Python 熊猫多索引列数据帧基于第一级索引填充非NaN值
我有一个数据框架，它有一个多索引，用于列的形式为Python 熊猫多索引列数据帧基于第一级索引填充非NaN值,python,python-3.x,pandas,dataframe,multi-index,Python,Python 3.x,Pandas,Dataframe,Multi Index,我有一个数据框架，它有一个多索引，用于列的形式为（DayType.WORKDAY，0，'flow'），（DayType.WORKDAY，1，'flow'），（DayType.SATURDAY，-1，'flow'）。所以它是：DayType，category，“flow”。最后一个总是一样的，与我的问题无关。为了说明我的数据是什么样子，我将发布dataframe的部分屏幕截图： 它包含三天类型的某种形式的平均数据：WORKDAY、SATURDAY、SUNDAY，我想计算WEEKDAY类型。为此，
（DayType.WORKDAY，0，'flow'），（DayType.WORKDAY，1，'flow'），（DayType.SATURDAY，-1，'flow'）WORKDAY、SATURDAY、SUNDAYWEEKDAY星期六/星期日的权重1
，以及工作日的权重5，但前提是存在平均值，这意味着没有NaN
为此，我复制了上面显示的数据帧，其中我希望用正确的因子填充非NaN值（示例中DayType.WORKDAY为5，DayType.SATURDAY为1），并将另一个作为NaN
我不知道怎么做。。。我尝试了以下方法：
multiplier_dict = {DayType.WORKDAY: 5, DayType.SATURDAY: 1, DayType.SUNDAY: 1}
days_in_week = 7
divider_df = non_weekdays_df_copy.copy()
for col in divider_df.columns:
divider_df.loc[divider_df[col].notna()] = multiplier_dict[col[0]]
其中，col[0]
是列的日期类型。然而，这用1.0填充了整个数据帧，我不明白为什么
有人知道如何实现我的目标吗