![](/img/trans.png)
[英]Fill na values in one pandas dataframe's column using another, but using column indices, not names
[英]Pandas fill incremental values for NA's according to another column in the DataFrame
我有一個 dataframe ,每個用戶都有會話。 其中一個專欄是迄今為止的會議。 其中一些會話具有 null 值。 我相信我可以使用 fillna 和 transform 方法來適當地填充 dataframe。
import pandas as pd
df = pd.DataFrame({'user': [A, A, A, A, A, B, B, B, B, C, C, C, C, C], 'sessions': [28, NaN, NaN, NaN , 32, NaN, NaN,NaN,12, NaN,15, NaN, 17,NaN]})
預期 Output DataFrame:
df_out = pd.DataFrame({'user': [A, A, A, A, A, B, B, B, B, C, C, C, C, C], 'sessions': [28, 29, 30, 31 , 32, 9, 10, 11,12, 14,15,16,17,18]})
試過的代碼:
df['sessions'] = df['sessions'].fillna(df.groupby('user')['sessions'].transform('mean'))
如果我要填補平均數,這是可行的,這是我所能想到的。 請提出一些方法。
PS - session 的起始值不是 1。我在某個時間點從快照中執行此操作。 我沒有數據可以追溯到每個用戶的 session 編號 1。
假設非NaN
值之間沒有不匹配,您可以執行以下操作:
def fun(x):
_, diff = (~x.reset_index().isna()).idxmax() # find the absolute position of the first non NaN
start = x[(~x.isna()).idxmax()] - diff # find the start value
result = pd.RangeIndex(start, start + len(x)) # generate range based on first value and length of group
return pd.Series(data=result.values, index=x.index) # return series
df['count'] = df.groupby('user').sessions.apply(fun)
print(df)
Output
user sessions count
0 A 28.0 28
1 A NaN 29
2 A NaN 30
3 A NaN 31
4 A 32.0 32
5 B NaN 9
6 B NaN 10
7 B NaN 11
8 B 12.0 12
9 C NaN 14
10 C 15.0 15
11 C NaN 16
12 C 17.0 17
13 C NaN 18
function fun
的第一行,相當於:
diff = (~x.reset_index().isna()).idxmax()[1]
基本上在歸一化(從 0 開始)索引中找到索引 position。
對每個組使用cumsum
和fillna(1)
:
df.groupby('user',sort=False)['sessions'].apply(lambda x: x.fillna(1).cumsum()).reset_index()
您可以使用 groupby cumcount
和first
重新構建sessions
s = df.groupby('user').sessions.cumcount()
s1 = (df.sessions - s).groupby(df.user).transform('first')
df['sessions'] = s1 + s
In [867]: df
Out[867]:
user sessions
0 A 28.0
1 A 29.0
2 A 30.0
3 A 31.0
4 A 32.0
5 B 9.0
6 B 10.0
7 B 11.0
8 B 12.0
9 C 14.0
10 C 15.0
11 C 16.0
12 C 17.0
13 C 18.0
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.