Python 替换屏蔽数据帧内的NaN

这将创建一个新列

c

，其中

mask1

为

False

，列

a

中

mask1

为

True

。现在我在不同的条件下将

b

添加到

c

some_dict = {'a': [1,2,3,4], 'b': [5,6,7,8],}
df = pd.DataFrame(some_dict)
mask1 = pd.Series([False, True, False, True])
df['c'] = df.loc[mask1, 'a']

但是，这会将所有值都设置为NaN。我猜这是因为

NaN+0

和

0+NaN

都等于

NaN

。我试图通过写作来解决这个问题

mask2 = pd.Series([True, False, False, False])
df['c'] += df.loc[mask2, 'b']

---

为什么通过

fillna（）

将

NaN

替换为

0

不起作用？

如果检查如何仅为不匹配的行添加缺少的值-掩码中的假值：

df['c'] = df.loc[mask1, 'a'].fillna(0)
df['c'] = df.loc[mask2, 'b'].fillna(0)

因此，如果要替换NaN，则不存在缺失值，因此无法执行：

print (df.loc[mask1, 'a'])
1    2
3    4
Name: a, dtype: int64

如果指定给列，则也必须创建不匹配的值-因为不知道应该创建什么

NaN

s：

print (df.loc[mask1, 'a'].fillna(0))
1    2
3    4
Name: a, dtype: int64

另一种选择是：

总而言之：

df['c'] = df['a'].where(mask1, 0)
print (df)
   a  b  c
0  1  5  0
1  2  6  2
2  3  7  0
3  4  8  4

另一个想法是使用

fill\u value=0

：

some_dict = {'a': [1,2,3,4], 'b': [5,6,7,8],}
df = pd.DataFrame(some_dict)
mask1 = pd.Series([False, True, False, True])
df['c'] = np.where(mask1, df['a'], 0)

mask2 = pd.Series([True, False, False, False])
df['c'] += np.where(mask2, df['b'], 0)

print (df)
   a  b  c
0  1  5  5
1  2  6  2
2  3  7  0
3  4  8  4

---

如果检查如何仅为不匹配的行添加缺少的值-掩码中的假值：

df['c'] = df.loc[mask1, 'a'].fillna(0)
df['c'] = df.loc[mask2, 'b'].fillna(0)

因此，如果要替换NaN，则不存在缺失值，因此无法执行：

print (df.loc[mask1, 'a'])
1    2
3    4
Name: a, dtype: int64

如果指定给列，则也必须创建不匹配的值-因为不知道应该创建什么

NaN

s：

print (df.loc[mask1, 'a'].fillna(0))
1    2
3    4
Name: a, dtype: int64

另一种选择是：

总而言之：

df['c'] = df['a'].where(mask1, 0)
print (df)
   a  b  c
0  1  5  0
1  2  6  2
2  3  7  0
3  4  8  4

另一个想法是使用

fill\u value=0

：

some_dict = {'a': [1,2,3,4], 'b': [5,6,7,8],}
df = pd.DataFrame(some_dict)
mask1 = pd.Series([False, True, False, True])
df['c'] = np.where(mask1, df['a'], 0)

mask2 = pd.Series([True, False, False, False])
df['c'] += np.where(mask2, df['b'], 0)

print (df)
   a  b  c
0  1  5  5
1  2  6  2
2  3  7  0
3  4  8  4

---

尝试始终将左值的索引与右值的索引相匹配。否则，熊猫会在进行手术前尽最大努力重新编制这两个项目的索引

此外，在进行步幅分配之前，始终将新列显式设置为您选择的某个默认值，例如0（它还将为您提供正确的

dtype

）

因此，具体而言：

some_dict = {'a': [1,2,3,4], 'b': [5,6,7,8],}
df = pd.DataFrame(some_dict)
mask1 = pd.Series([False, True, False, True])
df['c'] = df.loc[mask1, 'a']
print (df)
   a  b    c
0  1  5  NaN
1  2  6  2.0
2  3  7  NaN
3  4  8  4.0

mask2 = pd.Series([True, False, False, False])
df['c'] = df['c'].add(df.loc[mask2, 'b'], fill_value=0)
    
print (df)
   a  b    c
0  1  5  5.0
1  2  6  2.0
2  3  7  NaN
3  4  8  4.0

---

尝试始终将左值的索引与右值的索引相匹配。否则，熊猫会在进行手术前尽最大努力重新编制这两个项目的索引

此外，在进行步幅分配之前，始终将新列显式设置为您选择的某个默认值，例如0（它还将为您提供正确的

dtype

）

因此，具体而言：

some_dict = {'a': [1,2,3,4], 'b': [5,6,7,8],}
df = pd.DataFrame(some_dict)
mask1 = pd.Series([False, True, False, True])
df['c'] = df.loc[mask1, 'a']
print (df)
   a  b    c
0  1  5  NaN
1  2  6  2.0
2  3  7  NaN
3  4  8  4.0

mask2 = pd.Series([True, False, False, False])
df['c'] = df['c'].add(df.loc[mask2, 'b'], fill_value=0)
    
print (df)
   a  b    c
0  1  5  5.0
1  2  6  2.0
2  3  7  NaN
3  4  8  4.0

---

我希望将列

b

中的值添加到列

c

，但仅当

mask2

为true时。如果

为False，则只需添加任何内容。@armara-
则只需添加任何内容。
-而
中的任何内容都不是
NaN
；）我想你需要添加
0
？是的，我不是指添加
NaN
，我是指在
0
中不添加任何内容，尝试始终将左值的索引与右值的索引相匹配。否则，熊猫会在进行手术前尽最大努力重新编制这两个项目的索引。请参阅我的答案，以获得一种简洁而正确的方法。我希望将
b
列中的值添加到
c
列中，但仅当
mask2
为真时。如果
为False，则只需添加任何内容。@armara-
则只需添加任何内容。
-而
中的任何内容都不是
NaN
；）我想你需要添加
0
？是的，我不是指添加
NaN
，我是指在
0
中不添加任何内容，尝试始终将左值的索引与右值的索引相匹配。否则，熊猫会在进行手术前尽最大努力重新编制这两个项目的索引。请参阅我的答案，以获得一种简洁而恰当的方法。谢谢！：D
np.
有魔力的地方，熊猫中没有等价的功能吗？@armara-你可以使用
df['c']=df['a']。其中（mask1，0）
。顺便说一句，如果需要
+NaN
值，则需要
.add
，添加到答案的末尾。@armara当然：@PierreD-或此处-处理一列谢谢！：D
np.
有魔力的地方，熊猫中没有等价的功能吗？@armara-你可以使用
df['c']=df['a']。其中（mask1，0）
。顺便说一句，如果需要
+NaN
值，则需要
.add
，添加到答案末尾。@armara当然：@PierreD-或here-处理一列