Python 基于列条件的fillna和replace

我有一个带有MachineType、Prod/RT和其他几个列的df。MachineType包含TRUE或FALSE。需要.fillna和.replace，但对于MachineType有不同的方式。（正确和错误的填充值不同）

数据帧：updatedf

我的代码高于计算：

updatedDf['Prod/RT']=updatedDf[updatedDf['MachineType']==True]['Prod/RT'].replace(np.inf,0.021660)
updatedDf['Prod/RT']=updatedDf[updatedDf['MachineType']==True]['Prod/RT'].fillna(0.021660)


updatedDf['Prod/RT']=updatedDf[updatedDf['MachineType']==False]['Prod/RT'].replace(np.inf,0.050261)
updatedDf['Prod/RT']=updatedDf[updatedDf['MachineType']==False]['Prod/RT'].fillna(0.050261)

但是我的代码给出了一个带有Nan值的意外输出。有什么方法可以修复这个错误吗？或者我们不能用上面的方法。填充和。替换吗

---

我解决问题的方法是将填充和替换封装在函数中，并将其用作pandas

中的参数。apply（）

。使用您的方法需要使用

.loc[]

updatedDf = pd.DataFrame({
    'MachineType' : np.random.choice([True, False], 10, True),
    'Prod/RT' : np.random.choice([np.nan, np.inf, random.random()], 10, True)
})

# solution 1
prod_RT_dict = {True:0.21660, False:0.050261}
def fillProd_RT(row):
    if row['Prod/RT'] != np.inf and pd.notna(row['Prod/RT']):
        return row['Prod/RT']
    else:
        return prod_RT_dict[row['MachineType']]
updatedDf['Prod/RT_2'] = updatedDf.apply(fillProd_RT, axis=1)

# solution 2
updatedDf['Prod/RT_3']=updatedDf['Prod/RT'].replace(np.inf,np.nan)
updatedDf.loc[updatedDf['MachineType']==True,'Prod/RT_3']=updatedDf\
    .loc[updatedDf['MachineType']==True,'Prod/RT_3'].fillna(0.021660)
updatedDf.loc[updatedDf['MachineType']==False,'Prod/RT_3']=updatedDf\
    .loc[updatedDf['MachineType']==False,'Prod/RT_3'].fillna(0.050261)

updatedDf

---

现在的问题是缺少关键信息，例如样本数据、样本输出。它很可能会被否决并关闭……请看：当然我会修复它的。看来你大部分时间都在那里。。。我建议使用

df.loc[mask，col]=df.loc[mask，col].fillna（…）

updatedf\.loc[updatedf['MachineType']==False，'Prod/RT_3'].fillna（0.050261）updatedf之后是什么意思？``是长单行代码的包装器。我加上它是因为我不想把那一行写在一行里。如果你不明白我的解释，请阅读