Python 更新dataframe会用nan填充列

在我的

DataFrame

中，我首先用

nan

替换大于某个值的值，然后创建另一个具有相同列名的

DataFrame

，并用随机数填充它。然后，我用新创建的数据帧更新原始的

DataFrame

，但在我第一次设置列

nan

值的行中，所有其他列都变成

nan

。该列中包含

nan

的原始行没有相同的问题。以下是我在

pandas

语法中的意思：

df[df['column_name'] > 40] = np.nan
column_series = df['column_name']
null_indices = column_series[column_series.isnull()].index
random_df = pd.DataFrame(np.random.normal(mu, sigma, size=len(null_indices)), index=null_indices, columns=['column_name'])
df.update(random_df)

以下是一些更好地解释这种情况的数字：

将值

>40

替换为

nan

之前，列中

nan

的数量：

6685022

列值为的行数

>40:329066

---

替换后，每列中除列名称之外的

nan

行数：

329066

使用建议的方法：

df.loc[df['coulmn_name'] > 40, 'column_name'] = np.nan

---

df[df['column\u name']>40]=np.nan

如果

column\u name

中的值大于40，则将用空值填充整个

df

Nihal是对的，但我更喜欢这种形式（我更喜欢）：

df.column\u name.loc[df.column\u name>40]=np.nan

PS：使用Jupyter笔记本查看数据帧在每个步骤中的外观是一个好主意。

这是否可行

df.ix[df['column_name'] > 40,'column_name'] = np.nan # or indexof columns
column_series = df['column_name']
null_indices = column_series[column_series.isnull()].index
random_df = pd.DataFrame(np.random.normal(mu, sigma, size=len(null_indices)), 
index=null_indices, columns=['column_name'])
df.update(random_df)

---

问题就出现在你的第一句话中

df[df['column_name'] > 40] = np.nan

这意味着“将所选行中的所有值替换为

nan

”。所以命令

df.update(random_df)

---

继承它。

请提供一个。我想我刚刚做了？你可以很容易地创建一个数据框并应用代码来重现问题。如果你发布示例数据和准确的预期输出，你会发现你会更快地得到更好的答案。这样，答案更容易验证正确性。不推荐。链接索引在文档中被明确禁止。我真愚蠢，忘记了指定列，但现在我没有用更干净的方法。谢谢。

df.column\u name[df.column\u name>40]

。不推荐。这是链接索引，在文档中明确禁止。改用

.loc

。