将nan值添加到数据帧会产生不可破坏的类型：'；numpy.ndarray和#x27；用Python

我想将

np.nan

插入到

数据帧

；一个

nan

用于随机位置的每一行。
这是我的

数据帧

：

list_cols= ['col01', 'col02', 'col03', 'col04', 'col05','col06', 'col07', 'col08', 'col09', 'col10','col11', 'col12', 'col13', 'col14', 'col15', 'col16']

X_full = pd.DataFrame(np.random.uniform(low=1.0, high=100.0, size=(5,16)), columns=list(list_cols))

这是我的代码：

# Add a single nan value to each row
rng = np.random.RandomState(0)
n_samples, n_features = X_full.shape
X_missing = X_full.copy()
missing_samples = np.arange(n_samples)
missing_features = rng.choice(n_features, n_samples, replace=True)
X_missing[missing_samples, missing_features] = np.nan

它返回

TypeError:unhabable类型：“numpy.ndarray”

---

谢谢你的帮助

由于我不能100%确定我是否正确理解您的问题，如果您只想将单个单元格的值更改为NaN（即，（0,12）和（1,7）等处的值应为NaN），那么您可以使用：

for row, column in zip(missing_samples, missing_features):
    X_missing.iat[row, column] = np.nan

请注意，我们使用以“i”开头的方法：

.iat

。这意味着我们正在应用的更改基于Index，而不是行/列名

---

在您的示例中，您会得到一个错误，因为它将

缺少的\u样本

和

缺少的\u特征

解释为行名和列名，但您给出的值是数字（即索引）。您可以使用

.iloc

来澄清您给出的是索引而不是名称，但随后它将替换整行，这就是我使用

.iat

的原因，因为我假设您只想替换“特定”索引处的值。希望这有助于

因为我不能100%确定我是否正确理解您的问题，如果您只想将单个单元格的值更改为NaN（即，（0,12）和（1,7）等处的值应为NaN），那么您可以使用：

for row, column in zip(missing_samples, missing_features):
    X_missing.iat[row, column] = np.nan

请注意，我们使用以“i”开头的方法：

.iat

。这意味着我们正在应用的更改基于Index，而不是行/列名

在您的示例中，您会得到一个错误，因为它将

缺少的\u样本

和

缺少的\u特征

解释为行名和列名，但您给出的值是数字（即索引）。您可以使用

.iloc

来澄清您给出的是索引而不是名称，但随后它将替换整行，这就是我使用

.iat

的原因，因为我假设您只想替换“特定”索引处的值。希望这对你有所帮助

X_missing=X_full.copy（）
索引=np.random.choice（范围（X_missing.shape[1]），X_missing.shape[0]）
X_missing.values[范围（X_missing.shape[0]），索引]=np.nan

你可以这样做

X_missing=X_full.copy（）
索引=np.random.choice（范围（X_missing.shape[1]），X_missing.shape[0]）
X_missing.values[范围（X_missing.shape[0]），索引]=np.nan