[英]Getting NaN's instead of the correct values inside dataframe column
我使用以下语法创建了一个零数据帧:
ltv = pd.DataFrame(data=np.zeros([actual_df.shape[0], 6]),
columns=['customer_id',
'actual_total',
'predicted_num_purchases',
'predicted_value',
'predicted_total',
'error'], dtype=np.float32)
结果完全符合预期
customer_id | actual_total | predicted_num_purchases | predicted_value | predicted_total | error
0 0.0 0.0 0.0 0.0 0.0 0.0
1 0.0 0.0 0.0 0.0 0.0 0.0
2 0.0 0.0 0.0 0.0 0.0 0.0
当我运行此语法时:
ltv['customer_id'] = actual_df['customer_id']
我在ltv['customer_id']
中得到所有 NaN。 是什么原因造成的,我该如何防止它发生?
注意:我还检查了actual_df
,里面没有 NaN
两者都需要相同的索引值(并且两个数据帧的长度也相同)。
所以第一个解决方案是在actual_df
中创建默认RabgeIndex
,在ltv
中未指定,因此默认创建:
actual_df = actual_df.reset_index(drop=True)
ltv['customer_id'] = actual_df['customer_id']
或者在DataFrame
构造函数中添加参数index
:
ltv = pd.DataFrame(data=np.zeros([actual_df.shape[0], 6]),
columns=['customer_id',
'actual_total',
'predicted_num_purchases',
'predicted_value',
'predicted_total',
'error'], dtype=np.float32,
index=actual_df.index)
ltv['customer_id'] = actual_df['customer_id']
另一种选择(比 jezrael 的好答案更复杂)是使用pd.concat()
后跟.drop()
:
ltv = pd.concat([ltv.drop(columns=['customer_id']),actual_df[['customer_id']]],axis=1,ignore_index=True)
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.