[英]How to replace all non-NaN entries of a dataframe with 1 and all NaN with 0
我有一个包含 71 列和 30597 行的数据框。 我想用 1 替换所有非 nan 条目,用 0 替换 nan 值。
最初,我尝试对数据帧的每个值进行 for 循环,这花费了太多时间。
然后我使用了data_new=data.subtract(data)这意味着将数据帧的所有值减去自身,以便我可以将所有非空值设为 0。但是由于数据帧有多个字符串条目而发生错误。
您可以获取df.notnull()
的返回值,当 DataFrame 包含NaN
为False
,否则为True
并将其转换为整数,在 DataFrame 为NaN
为0
,否则为1
:
newdf = df.notnull().astype('int')
如果您真的想写入原始数据帧,这将起作用:
df.loc[~df.isnull()] = 1 # not nan
df.loc[df.isnull()] = 0 # nan
使用notnull
通过astype
将 boolean 转换为int
:
print ((df.notnull()).astype('int'))
样本:
import pandas as pd
import numpy as np
df = pd.DataFrame({'a': [np.nan, 4, np.nan], 'b': [1,np.nan,3]})
print (df)
a b
0 NaN 1.0
1 4.0 NaN
2 NaN 3.0
print (df.notnull())
a b
0 False True
1 True False
2 False True
print ((df.notnull()).astype('int'))
a b
0 0 1
1 1 0
2 0 1
我建议制作一个新专栏,而不是仅仅更换。 如有必要,您始终可以删除前一列,但通过对另一列的操作填充列的源总是有帮助的。
例如,如果 df['col1'] 是现有列
df['col2'] = df['col1'].apply(lambda x: 1 if not pd.isnull(x) else np.nan)
其中 col2 是新列。 如果 col2 有字符串条目,也应该工作。
我进行了大量数据分析,并且有兴趣寻找新的/更快的执行操作方法。 我从未遇到过 jezrael 的方法,所以我很好奇将它与我常用的方法(即通过索引替换)进行比较。 注意:这不是对 OP 问题的回答,而是对 jezrael 方法效率的说明。 由于这不是一个答案,如果人们认为它没有用(并且在被低估之后被遗忘!),我将删除这篇文章。 如果您认为我应该删除它,请发表评论。
我创建了一个中等大小的数据框,并使用 df.notnull().astype(int) 方法和简单的索引(我通常会这样做)进行了多次替换。 事实证明,后者慢了大约五倍。 对于任何进行大规模更换的人来说,仅供参考。
from __future__ import division, print_function
import numpy as np
import pandas as pd
import datetime as dt
# create dataframe with randomly place NaN's
data = np.ones( (1e2,1e2) )
data.ravel()[np.random.choice(data.size,data.size/10,replace=False)] = np.nan
df = pd.DataFrame(data=data)
trials = np.arange(100)
d1 = dt.datetime.now()
for r in trials:
new_df = df.notnull().astype(int)
print( (dt.datetime.now()-d1).total_seconds()/trials.size )
# create a dummy copy of df. I use a dummy copy here to prevent biasing the
# time trial with dataframe copies/creations within the upcoming loop
df_dummy = df.copy()
d1 = dt.datetime.now()
for r in trials:
df_dummy[df.isnull()] = 0
df_dummy[df.isnull()==False] = 1
print( (dt.datetime.now()-d1).total_seconds()/trials.size )
这分别产生 0.142 秒和 0.685 秒的时间。 谁是赢家,一目了然。
对于 fmarc 的回答:
df.loc[~df.isnull()] = 1 # not nan
df.loc[df.isnull()] = 0 # nan
上面的代码对我不起作用,下面的代码有效。
df[~df.isnull()] = 1 # not nan
df[df.isnull()] = 0 # nan
与熊猫 0.25.3
如果您只想更改特定列中的值,您可能需要创建一个临时数据框并将其分配给原始数据框的列:
change_col = ['a', 'b']
tmp = df[change_col]
tmp[tmp.isnull()]='xxx'
df[change_col]=tmp
使用: df.fillna(0)
用 0 填充 NaN。
在这里,我将建议采用特定列,如果该列中的行是 NaN,则将其替换为 0 或该列中有值将其替换为 1
下面这行会将您的列更改为 0
df.YourColumnName.fillna(0,inplace=True)
现在非南部分的其余部分将被以下代码替换为 1
df["YourColumnName"]=df["YourColumnName"].apply(lambda x: 1 if x!=0 else 0)
同样可以通过不定义列名称应用于总数据框
通常有两个步骤 - 替换所有非 NAN 值,然后替换所有 NAN 值。
dataframe.where(~dataframe.notna(), 1)
- 此行将所有非 nan 值替换为 1。dataframe.fillna(0)
- 此行将所有 NAN 替换为 0 旁注:如果您查看 pandas 文档, .where
替换所有值为False
值 - 这很重要。 这就是为什么我们使用反转来创建掩码~dataframe.notna()
,其中.where()
将替换值
试试这个:
df.notnull().mul(1)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.