如何用其他列的计算值替换熊猫数据框中的 NaN

Question

我在下面的数据框中添加了最后一行作为最新数据。

df.tail()

            Open    High    Low     Close   %K      %D
Date                        
2022-06-22  23.71   25.45   23.55   24.29   21.74   18.01
2022-06-23  24.94   25.57   24.17   25.33   31.30   25.15
2022-06-24  26.11   28.04   26.05   27.98   51.99   35.01
2022-06-27  28.35   28.50   27.00   27.32   47.54   43.61
2022-06-28  27.46   28.21   24.76   24.83   NaN     NaN

我想用来自其他列的数据的计算值填充 NaN 值。

我可以用下面的代码做到这一点，

df['14-high'] = df['High'].rolling(14).max()
df['14-low'] = df['Low'].rolling(14).min()
df['%K'] = (df['Close'] - df['Low'].rolling(14).min())*100/(df['14-high'] - df['14-low'])
df['%D'] = df['%K'].rolling(3).mean()

df.drop(columns=['14-high', '14-low'], inplace=True)

有没有更好的方法可以在不重新计算 %K 和 %D 列的情况下做到这一点？ 即只计算 NaN 单元格而不是整个列。

Answer 1

一种方法是使用pandas fillna() 方法。
您仍然需要第一次计算：

df['14-high'] = df['High'].rolling(14).max()
df['14-low'] = df['Low'].rolling(14).min()

但是您只能更新 %K 和 %D 列中的 NaN 值：

df['%K'].fillna((df['Close'] - df['Low'].rolling(14).min())*100/(df['14-high'] - df['14-low']), inplace=True)
df['%D'].fillna(df['%K'].rolling(3).mean(), inplace=True)

希望我能帮上忙！