使用Pandas根据不同列中的值填充NaN条目，并以字典为指导

Question

我有一个很大的数据框，我试图使用字典作为指导，根据A列中的值填充B列的NaN条目。 例如：

df = 
   A    B 
0  Red  628  
1  Red  149  
2  Red  NaN  
3  Green  575  
4  Green  687
5  Green  NaN
6  Blue  159
7  Blue  NaN

字典是（例如）

dict = {"Red": 123, "Green": 456, "Blue": 789}

我对使用Pandas用字典中的相应数字替换每个NaN的最佳方法感到好奇。 我不确定在这种情况下如何使用.fillna（）或.isnull（）方法。 我是Pandas的新手，因此感谢您的帮助！ 谢谢。

Answer 1

我认为您的索引看起来有些虚假，以下内容可以满足您的需求：

In [19]:
df['B'] = df.set_index('A')['B'].fillna(d).reset_index()['B']

df
Out[19]:
       A    B
0    Red  628
1    Red  149
2    Red  123
3  Green  575
4  Green  687
5  Green  456
6   Blue  159
7   Blue  789

在这里，我们将索引设置为列“ A”，然后调用fillna传递您的字典，这将使用索引（'A'）执行查找以返回关联的字典值，然后重置索引并覆盖列“ B”

Answer 2

使用boolean indexing （请参阅docs）选择相关的rows ，并map dictionary以在需要时将A转换为B值：

na_map = {"Red": 123, "Green": 456, "Blue": 789}
mask = df.B.isnull()

mask如下：

0    False
1    False
2     True
3    False
4    False
5     True
6    False
7     True

最后：

df.loc[mask, 'B'] = df.loc[mask, 'A'].map(na_map)

       A    B
0    Red  628
1    Red  149
2    Red  123
3  Green  575
4  Green  687
5  Green  456
6   Blue  159
7   Blue  789