如何使用pandas替換具有不同隨機值的列中的每個NaN？

Question

我最近一直在玩大熊貓，現在我嘗試用不同的正態分布隨機值替換數據幀內的NaN值。

假設我有沒有標題的CSV文件

      0
0    343
1    483
2    101
3    NaN
4    NaN
5    NaN

我的預期結果應該是這樣的

       0
0     343
1     483
2     101
3     randomnumber1
4     randomnumber2
5     randomnumber3

但相反，我得到以下內容：

       0
0     343
1     483
2     101
3     randomnumber1
4     randomnumber1
5     randomnumber1    # all NaN filled with same number

我的代碼到目前為止

import numpy as np
import pandas as pd

df = pd.read_csv("testfile.csv", header=None)
mu, sigma = df.mean(), df.std()
norm_dist = np.random.normal(mu, sigma, 1)
for i in norm_dist:
    print df.fillna(i)

我想從數據幀中獲取NaN行的數量， np.random.normal(mu, sigma, 1)的數字1替換為NaN行的總數，以便每個NaN可能具有不同的值。

但是我想問一下是否有其他簡單方法可以做到這一點？

感謝您的幫助和建議。

Answer 1

這是使用底層數組數據的一種方法 -

def fillNaN_with_unifrand(df):
    a = df.values
    m = np.isnan(a) # mask of NaNs
    mu, sigma = df.mean(), df.std()
    a[m] = np.random.normal(mu, sigma, size=m.sum())
    return df

本質上，我們使用帶有np.random.normal的大小參數np.random.normal生成所有隨機數和NaN的計數，並再次使用NaN的掩碼一次性分配它們。

樣品運行 -

In [435]: df
Out[435]: 
       0
0  343.0
1  483.0
2  101.0
3    NaN
4    NaN
5    NaN

In [436]: fillNaN_with_unifrand(df)
Out[436]: 
            0
0  343.000000
1  483.000000
2  101.000000
3  138.586483
4  223.454469
5  204.464514

Answer 2

我想你需要：

mu, sigma = df.mean(), df.std()
#get mask of NaNs
a = df[0].isnull()
#get random values by sum ot Trues, processes like 1
norm_dist = np.random.normal(mu, sigma, a.sum())
print (norm_dist)
[ 184.90581318  364.89367364  181.46335348]
#assign values by mask
df.loc[a, 0] = norm_dist
print (df)

            0
0  343.000000
1  483.000000
2  101.000000
3  184.905813
4  364.893674
5  181.463353

Answer 3

在pandas DataFrame列中輸入隨機值代替缺失值很簡單。

mean = df['column'].mean()
std = df['column'].std()

def fill_missing_from_Gaussian(column_val):
    if np.isnan(column_val) == True: 
        column_val = np.random.normal(mean, std, 1)
    else:
         column_val = column_val
return column_val

現在只需將上述方法應用於缺少值的列。

df['column'] = df['column'].apply(fill_missing_from_Gaussian)