熊貓：根據條件填充南斯

Question

我正在努力處理一些看似微不足道的事情，但顯然並非如此。 常規圖片： data -熊貓數據TOTAL_VISITS -包含（以及其他） TOTAL_VISITS和NUM_PRINTS列。

目標：給定num_prints參數，找到NUM_prints = num_prints行，並用給定的數字填充nan 。

我停下來的地方不再有意義了：

indices= data['NUM_PRINTS'] == num_prints

data.loc[indices,'TOTAL_VISITS'].fillna(5,inplace=True)

就我所知和閱讀的內容而言，這應該起作用。 實際上沒有在nans上填充任何東西，似乎它可以處理副本或其他東西，因為它不會更改原始對象中的任何東西。

什么有效：

data.loc[indices,'TOTAL_VISITS'] = 2

這確實會在num_print條件下用2填充該列，但不考慮nans。

data['TOTAL_VISITS'].fillna(0, inplace=True)

這確實使總訪問次數中的num_prints填充為0，但不考慮num_prints條件。

我有點絕望，因為帶有.iloc的常規for循環和條件花的時間太長了，我無法處理。

Answer 1

我認為雙方都需要過濾器，並且僅對過濾的行應用fillna ：

np.random.seed(1213)

c = ['TOTAL_VISITS', 'A', 'NUM_PRINTS']
data = pd.DataFrame(np.random.choice([1,np.nan,3,4], size=(10,3)), columns=c)
print (data)
   TOTAL_VISITS    A  NUM_PRINTS
0           1.0  4.0         4.0
1           NaN  3.0         1.0
2           1.0  1.0         1.0
3           4.0  3.0         3.0
4           1.0  3.0         4.0
5           4.0  4.0         3.0
6           4.0  1.0         4.0
7           NaN  4.0         3.0
8           NaN  NaN         3.0
9           3.0  NaN         1.0


num_prints = 1
indices= data['NUM_PRINTS'] == num_prints
data.loc[indices,'TOTAL_VISITS'] = data.loc[indices,'TOTAL_VISITS'].fillna(100)
#alternative
#data.loc[indices,'TOTAL_VISITS'] = data['TOTAL_VISITS'].fillna(100)
print (data)
   TOTAL_VISITS    A  NUM_PRINTS
0           1.0  4.0         4.0
1         100.0  3.0         1.0
2           1.0  1.0         1.0
3           4.0  3.0         3.0
4           1.0  3.0         4.0
5           4.0  4.0         3.0
6           4.0  1.0         4.0
7           NaN  4.0         3.0
8           NaN  NaN         3.0
9           3.0  NaN         1.0

Answer 2

我認為這很好

data['TOTAL_VISITS'] = np.where(data['NUM_PRINTS'] == 1, 100, data['TOTAL_VISITS'])

Answer 3

不使用fillna來應用邏輯的一種方法是定義一個包含您的條件的掩碼。 然后使用此掩碼通過.loc更新系列。

以下示例適用於@jezrael中的數據。

num_prints = 1

mask = (data['NUM_PRINTS'] == num_prints) & data['TOTAL_VISITS'].isnull()

data.loc[mask, 'TOTAL_VISITS'] = 100