[英]Trouble when adding values for NaN in DataFrame
我有这个数据帧:
manufacturer description
0 toyota toyota, gmc 10 years old.
1 NaN gmc, Motor runs and drives good.
2 NaN Motor old, in pieces.
3 NaN 2 owner 0 rust. Cadillac.
我想用从描述中获取的关键字填充 NaN 值。 为此,我创建了一个包含我想要的关键字的列表:
keyword = ['gmc', 'toyota', 'cadillac']
最后,我想遍历 DataFrame 中的每一行。 将“描述”列中的内容拆分为每一行,如果该词也在“关键字”列表中,则将其添加到“制造商”列中。 例如,它看起来像这样:
manufacturer description
0 toyota toyota, gmc 10 years old.
1 gmc gmc, Motor runs and drives good.
2 NaN Motor old, in pieces.
3 cadillac 2 owner 0 rust. Cadillac.
感谢这个社区的某个人,我可以改进我的代码:
import re
keyword = ['gmc', 'toyota', 'cadillac']
bag_of_words = []
for i, description in enumerate(test3['description']):
bag_of_words = re.findall(r"""[A-Za-z\-]+""", test3["description"][i])
for word in bag_of_words:
if word.lower() in keyword:
test3.loc[i, 'manufacturer'] = word.lower()
但我意识到第一行也改变了值,即使它不是 NaN:
manufacturer description
0 gmc toyota, gmc 10 years old.
1 gmc gmc, Motor runs and drives good.
2 NaN Motor old, in pieces.
3 cadillac 2 owner 0 rust. Cadillac.
我只想更改 NaN 值,但是当我尝试添加时:
if word.lower() in keyword and test3.loc[i, 'manufacturer'] == np.nan:
它没有任何效果。
np.nan == np.nan
是假的。 也许有点违反直觉 =) 但它应该意味着最后一个条件不应该开始。从你的问题中不清楚你是否看到相同的结果或没有结果。
如果你改变了
for i, description in enumerate(test3['description']):
到
for i, description in zip(test3.loc[test3['manufacturer'].isna(), :].index, test3.loc[test3['manufacturer'].isna(), 'description']):
那么我认为它应该可以正常工作。 您只会得到“制造商”为 NaN 的行。 您还可以删除== np.nan
部分,因为非空字符串的计算结果为 True 并且 np.nan 计算结果为 False 但这会使您的代码更难理解。
有很多方法可以让您的代码看起来更好 ;) 但专注于学习调试,其余的就会到来。 只要它做你想做的事,谁在乎。
您可以调试的一种方法是在循环内打印条件的每个部分的真值。
print(bool(word.lower() in keyword))
print(bool(test3.loc[i, 'manufacturer'] == np.nan)
最好的祝愿!
编辑:好的,我可能应该添加我自己如何做到这一点。
df = pd.DataFrame({'manufacturer': ['toyota', np.nan, np.nan, np.nan],
'description': ['toyota, gmc 10 years old.', 'gmc, Motor runs and drives good.', 'Motor old, in pieces.', '2 owner 0 rust. Cadillac.']})
keyword = ['gmc', 'toyota', 'cadillac']
filler = df['description'].map(lambda s: [word for word in keyword if word in s.lower()][0]
if bool([word for word in keyword if word in s.lower()])
else np.nan)
df['manufacturer'] = df['manufacturer'].fillna(filler)
当两者都出现在字符串中时,不确定您想要关键字中的最后一项还是第一项。 我使用索引 0 将其设置为此处的第一项。
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.