如果 Nan 在单独的行中，则将值替换为 Nan - Pandas

Question

我在df中有一个包含许多字符串的列。 我打算用Nan replace一些字符串，但是列出的字符串太多了，可以用来replace这些值。 我有一个单独的列，其中包含Nan值，可用于实现此目的。

我想replace Value中的特定字符串。 想象一下，如果这个列包含 1000 个不同的字符串，我想用Nan replace 500 。 用这些不需要的字符串创建一个列表并用它来替换Nan效率低下

有一个单独的列(X)显示可用于replace Value 中的行的Nan Value 。 因此，如果X是Nan ，请将Value中的行替换为Nan 。

有没有更简单的方法来做到这一点？

df = pd.DataFrame({        
    'Value' : ['B','A','X','Y','C','D','E','F','G','H','I'],
    'X' : ['A','A','A','A',np.nan,'A','A','A',np.nan,'A','A'],  
    })

df = df.loc[df['X'].eq(np.nan), df['Value']] = np.nan
print(df)

预期 Output：

   Value    X
0      B    A
1      A    A
2      X    A
3      Y    A
4      Nan  NaN
5      D    A
6      E    A
7      F    A
8      NaN  NaN
9      H    A
10     I    A

Answer 1

你想要DataFrame.mask和Series.isna

df=df.mask(df['X'].isna())
print(df)

---

   Value    X
0      B    A
1      A    A
2      X    A
3      Y    A
4    NaN  NaN
5      D    A
6      E    A
7      F    A
8    NaN  NaN
9      H    A
10     I    A

---

您也可以将DataFrame.where与Series.notna一起使用

df=df.where(df['X'].notna())

Answer 2

我们可以做dropna + reindex

df=df.dropna().reindex(df.index)
   Value    X
0      B    A
1      A    A
2      X    A
3      Y    A
4    NaN  NaN
5      D    A
6      E    A
7      F    A
8    NaN  NaN
9      H    A
10     I    A