如何用Pandas DatatFrame中的行的總和替換NaN

Question

我試圖用Pandas DataFrame中的行的總和替換某些列中的NaN。 請參見下面的示例數據：

Items|  Estimate1|  Estimate2|  Estimate3|     
Item1|  NaN      |     NaN   |            8    
Item2|  NaN      |  NaN          |  5.5|

我希望對於第1項和第2項，估計1和2分別為8和5.5。

到目前為止，我嘗試使用df.fillna(df.sum(), inplace=True)但DataFrame沒有變化。 任何人都可以幫我糾正我的代碼或推薦正確的方法嗎？

Answer 1

提供axis=1似乎不起作用（因為填充系列僅適用於逐列的情況，而不適用於逐行）。
解決方法是將每行的總和“廣播”到與原始索引/列具有相同索引/列的數據幀。 使用稍微修改的示例數據幀：

In [57]: df = pd.DataFrame([[np.nan, 3.3, 8], [np.nan, np.nan, 5.5]], index=['Item1', 'Item2'], columns=['Estimate1', 'Estimate2', 'Estimate3'])

In [58]: df
Out[58]:
       Estimate1  Estimate2  Estimate3
Item1        NaN        3.3        8.0
Item2        NaN        NaN        5.5

In [59]: fill_value = pd.DataFrame({col: df.sum(axis=1) for col in df.columns})

In [60]: fill_value
Out[60]:
       Estimate1  Estimate2  Estimate3
Item1       11.3       11.3       11.3
Item2        5.5        5.5        5.5

In [61]: df.fillna(fill_value)
Out[61]:
       Estimate1  Estimate2  Estimate3
Item1       11.3        3.3        8.0
Item2        5.5        5.5        5.5

有一個開放的增強問題： https ： //github.com/pydata/pandas/issues/4514

Answer 2

作為替代方案，您還可以使用帶有lambda表達式的apply ，如下所示：

df.apply(lambda row: row.fillna(row.sum()), axis=1)

產生預期的結果

       Estimate1  Estimate2  Estimate3
Item1       11.3        3.3        8.0
Item2        5.5        5.5        5.5

雖然不確定效率。