Python 在pandas dataframe中查找缺失的数据并用NA填充
我有一个熊猫数据框,公司名称和日期作为多索引Python 在pandas dataframe中查找缺失的数据并用NA填充,python,pandas,Python,Pandas,我有一个熊猫数据框,公司名称和日期作为多索引 companyname date emp1 emp2 emp3..... emp80 其中,emp1、emp2是emp1和emp2在该日期分别拨打的电话数。现在有没有员工打电话的日期。表示存在所有列值均为0的行。我想用NA来填充这些值。 我是否应该在某个函数中手动写入所有列的名称?如何实现这一点,您有什么建议吗?您可以使用以下所有选项检查整行是否为0: In [11]: df = pd.DataFrame([[1, 2], [0, 4], [0,
companyname date emp1 emp2 emp3..... emp80
其中,emp1、emp2是emp1和emp2在该日期分别拨打的电话数。现在有没有员工打电话的日期。表示存在所有列值均为0的行。我想用NA来填充这些值。
我是否应该在某个函数中手动写入所有列的名称?如何实现这一点,您有什么建议吗?您可以使用以下所有选项检查整行是否为0:
In [11]: df = pd.DataFrame([[1, 2], [0, 4], [0, 0], [7, 8]])
In [12]: df
Out[12]:
0 1
0 1 2
1 0 4
2 0 0
3 7 8
In [13]: (df == 0).all(1)
Out[13]:
0 False
1 False
2 True
3 False
dtype: bool
现在,您可以使用loc将这些行中的所有条目分配给NaN:
In [14]: df.loc[(df == 0).all(1)] = np.nan
In [15]: df
Out[15]:
0 1
0 1 2
1 0 4
2 NaN NaN
3 7 8
您可以使用以下所有选项检查整行是否为0:
In [11]: df = pd.DataFrame([[1, 2], [0, 4], [0, 0], [7, 8]])
In [12]: df
Out[12]:
0 1
0 1 2
1 0 4
2 0 0
3 7 8
In [13]: (df == 0).all(1)
Out[13]:
0 False
1 False
2 True
3 False
dtype: bool
现在,您可以使用loc将这些行中的所有条目分配给NaN:
In [14]: df.loc[(df == 0).all(1)] = np.nan
In [15]: df
Out[15]:
0 1
0 1 2
1 0 4
2 NaN NaN
3 7 8