熊猫：根据条件填充南斯

Question

我正在努力处理一些看似微不足道的事情，但显然并非如此。 常规图片： data -熊猫数据TOTAL_VISITS -包含（以及其他） TOTAL_VISITS和NUM_PRINTS列。

目标：给定num_prints参数，找到NUM_prints = num_prints行，并用给定的数字填充nan 。

我停下来的地方不再有意义了：

indices= data['NUM_PRINTS'] == num_prints

data.loc[indices,'TOTAL_VISITS'].fillna(5,inplace=True)

就我所知和阅读的内容而言，这应该起作用。 实际上没有在nans上填充任何东西，似乎它可以处理副本或其他东西，因为它不会更改原始对象中的任何东西。

什么有效：

data.loc[indices,'TOTAL_VISITS'] = 2

这确实会在num_print条件下用2填充该列，但不考虑nans。

data['TOTAL_VISITS'].fillna(0, inplace=True)

这确实使总访问次数中的num_prints填充为0，但不考虑num_prints条件。

我有点绝望，因为带有.iloc的常规for循环和条件花的时间太长了，我无法处理。

Answer 1

我认为双方都需要过滤器，并且仅对过滤的行应用fillna ：

np.random.seed(1213)

c = ['TOTAL_VISITS', 'A', 'NUM_PRINTS']
data = pd.DataFrame(np.random.choice([1,np.nan,3,4], size=(10,3)), columns=c)
print (data)
   TOTAL_VISITS    A  NUM_PRINTS
0           1.0  4.0         4.0
1           NaN  3.0         1.0
2           1.0  1.0         1.0
3           4.0  3.0         3.0
4           1.0  3.0         4.0
5           4.0  4.0         3.0
6           4.0  1.0         4.0
7           NaN  4.0         3.0
8           NaN  NaN         3.0
9           3.0  NaN         1.0


num_prints = 1
indices= data['NUM_PRINTS'] == num_prints
data.loc[indices,'TOTAL_VISITS'] = data.loc[indices,'TOTAL_VISITS'].fillna(100)
#alternative
#data.loc[indices,'TOTAL_VISITS'] = data['TOTAL_VISITS'].fillna(100)
print (data)
   TOTAL_VISITS    A  NUM_PRINTS
0           1.0  4.0         4.0
1         100.0  3.0         1.0
2           1.0  1.0         1.0
3           4.0  3.0         3.0
4           1.0  3.0         4.0
5           4.0  4.0         3.0
6           4.0  1.0         4.0
7           NaN  4.0         3.0
8           NaN  NaN         3.0
9           3.0  NaN         1.0

Answer 2

我认为这很好

data['TOTAL_VISITS'] = np.where(data['NUM_PRINTS'] == 1, 100, data['TOTAL_VISITS'])

Answer 3

不使用fillna来应用逻辑的一种方法是定义一个包含您的条件的掩码。 然后使用此掩码通过.loc更新系列。

以下示例适用于@jezrael中的数据。

num_prints = 1

mask = (data['NUM_PRINTS'] == num_prints) & data['TOTAL_VISITS'].isnull()

data.loc[mask, 'TOTAL_VISITS'] = 100