Python 如果缺少另一列，则替换其中一列中的值

数据

我有一个名为data的数据框，如下所示：

Name              ID
JAMES             252
STEPHEN           578
JOY               nan
ROGELIO           473
FACS              nan
CLIFFORD          793

df = df.dropna(how='any')
print(df)

目标

每当数据['ID']丢失时，我想用丢失的值NaN替换数据['Name']，即NaN

结果将是：

Name              ID
JAMES             252
STEPHEN           578
NaN               nan
ROGELIO           473
NaN               nan
CLIFFORD          793

---

我在网上搜索过，但类似的答案都是关于使用fillna（），这不是我想要的。你对如何做到这一点有什么建议吗

您可以使用.loc函数查找

df['ID']

为空的所有索引，并将

df['NAME']

设置为np.nan

import numpy as np

df.loc[df['ID'].isnull() , 'NAME'] = np.nan

这个方法怎么样

import pandas as pd
import numpy as np
a = {'Name':['JAMES','STEPHEN','JOY','ROGELIO','FACS','CLIFFORD'],'ID':[252,578,np.nan,473,np.nan,793]}
df = pd.DataFrame(a)

df.loc[df['ID'].isnull() , 'Name'] = np.nan
print(df)

输出：

       Name     ID
0     JAMES  252.0
1   STEPHEN  578.0
2       NaN    NaN
3   ROGELIO  473.0
4       NaN    NaN
5  CLIFFORD  793.0

       Name     ID
0     JAMES  252.0
1   STEPHEN  578.0
3   ROGELIO  473.0
5  CLIFFORD  793.0

       Name     ID
0     JAMES  252.0
1   STEPHEN  578.0
2       NaN    NaN
3   ROGELIO  473.0
4       NaN    NaN
5  CLIFFORD  793.0

如果要删除NaN值，请添加以下内容：

Name              ID
JAMES             252
STEPHEN           578
JOY               nan
ROGELIO           473
FACS              nan
CLIFFORD          793

df = df.dropna(how='any')
print(df)

输出：

       Name     ID
0     JAMES  252.0
1   STEPHEN  578.0
2       NaN    NaN
3   ROGELIO  473.0
4       NaN    NaN
5  CLIFFORD  793.0

       Name     ID
0     JAMES  252.0
1   STEPHEN  578.0
3   ROGELIO  473.0
5  CLIFFORD  793.0

       Name     ID
0     JAMES  252.0
1   STEPHEN  578.0
2       NaN    NaN
3   ROGELIO  473.0
4       NaN    NaN
5  CLIFFORD  793.0

编辑：我用了另一种方法，现在它是正确的。

非常适合：

df.mask(df['ID'].isnull())

输出：

       Name     ID
0     JAMES  252.0
1   STEPHEN  578.0
2       NaN    NaN
3   ROGELIO  473.0
4       NaN    NaN
5  CLIFFORD  793.0

       Name     ID
0     JAMES  252.0
1   STEPHEN  578.0
3   ROGELIO  473.0
5  CLIFFORD  793.0

       Name     ID
0     JAMES  252.0
1   STEPHEN  578.0
2       NaN    NaN
3   ROGELIO  473.0
4       NaN    NaN
5  CLIFFORD  793.0

---

df['Name'].where（df['ID'].notnull（））

非常感谢！！这很有魅力！dropna（）函数也非常有用！非常感谢你！！这正是我所需要的！这不起作用，因为“NAME”创建了一个新列，其中np.nan作为它的向量。“NAME”列已经存在于数据帧中，为什么它会创建新列？