Python 如何覆盖NaN值？

我试图用下面的逻辑替换“BTC”符号的NaN值，但无法覆盖列“A”中的NaN值

df['A'].loc['BTC'] = 1 - df['A'].groupby(level=0).sum()

我也尝试过.fillna（）和其他一些东西，但都没能成功

df['A'].loc['BTC'] = df['A'].loc['BTC'].fillna(1 - df['A'].groupby(level=0).sum())

我有以下数据帧：

                         A     
    Date     Symbol  

  1/1/2017    BTC       Nan   
              ETH       0.45     
              XRP       0.3     
  1/2/2017    BTC       Nan    
              ETH       0.55     
              XRP       0.2     

---

使用

transform

替换为过滤方式：

详细信息：

print (df.groupby(level=0)['A'].transform('sum'))
Date      Symbol
1/1/2017  BTC       0.75
          ETH       0.75
          XRP       0.75
1/2/2017  BTC       0.75
          ETH       0.75
          XRP       0.75
Name: A, dtype: float64

---

你能解释一下逻辑是什么吗？在np.whereuser needs

1-sum（）中使用你的逻辑，我相信。因此，
（2017年1月1日，BTC）
应为0.25example@jezrael，非常感谢您的解决方案。它对我非常有效。
print (df.groupby(level=0)['A'].transform('sum'))
Date      Symbol
1/1/2017  BTC       0.75
          ETH       0.75
          XRP       0.75
1/2/2017  BTC       0.75
          ETH       0.75
          XRP       0.75
Name: A, dtype: float64