在 DataFrame 中為 NaN 添加值時出現問題

Question

我有這個數據幀：

    manufacturer    description
0   toyota          toyota, gmc 10 years old.
1   NaN             gmc, Motor runs and drives good.
2   NaN             Motor old, in pieces.
3   NaN             2 owner 0 rust. Cadillac.

我想用從描述中獲取的關鍵字填充 NaN 值。 為此，我創建了一個包含我想要的關鍵字的列表：

keyword = ['gmc', 'toyota', 'cadillac']

最后，我想遍歷 DataFrame 中的每一行。 將“描述”列中的內容拆分為每一行，如果該詞也在“關鍵字”列表中，則將其添加到“制造商”列中。 例如，它看起來像這樣：

    manufacturer    description
0   toyota          toyota, gmc 10 years old.
1   gmc             gmc, Motor runs and drives good.
2   NaN             Motor old, in pieces.
3   cadillac        2 owner 0 rust. Cadillac.

感謝這個社區的某個人，我可以改進我的代碼：

import re
keyword = ['gmc', 'toyota', 'cadillac']
bag_of_words = []
for i, description in enumerate(test3['description']):
bag_of_words = re.findall(r"""[A-Za-z\-]+""", test3["description"][i])
for word in bag_of_words: 
    if word.lower() in keyword:
            test3.loc[i, 'manufacturer'] = word.lower()

但我意識到第一行也改變了值，即使它不是 NaN：

  manufacturer  description
0   gmc         toyota, gmc 10 years old.
1   gmc         gmc, Motor runs and drives good.
2   NaN         Motor old, in pieces.
3   cadillac    2 owner 0 rust. Cadillac.

我只想更改 NaN 值，但是當我嘗試添加時：

if word.lower() in keyword and test3.loc[i, 'manufacturer'] == np.nan:

它沒有任何效果。

Answer 1

np.nan == np.nan是假的。 也許有點違反直覺 =) 但它應該意味着最后一個條件不應該開始。從你的問題中不清楚你是否看到相同的結果或沒有結果。

如果你改變了

for i, description in enumerate(test3['description']):

到

for i, description in zip(test3.loc[test3['manufacturer'].isna(), :].index, test3.loc[test3['manufacturer'].isna(), 'description']):

那么我認為它應該可以正常工作。 您只會得到“制造商”為 NaN 的行。 您還可以刪除== np.nan部分，因為非空字符串的計算結果為 True 並且 np.nan 計算結果為 False 但這會使您的代碼更難理解。

有很多方法可以讓您的代碼看起來更好 ;) 但專注於學習調試，其余的就會到來。 只要它做你想做的事，誰在乎。

您可以調試的一種方法是在循環內打印條件的每個部分的真值。

print(bool(word.lower() in keyword))
print(bool(test3.loc[i, 'manufacturer'] == np.nan)

最好的祝願！

編輯：好的，我可能應該添加我自己如何做到這一點。

df = pd.DataFrame({'manufacturer': ['toyota', np.nan, np.nan, np.nan],
                   'description': ['toyota, gmc 10 years old.', 'gmc, Motor runs and drives good.', 'Motor old, in pieces.', '2 owner 0 rust. Cadillac.']})
keyword = ['gmc', 'toyota', 'cadillac']
filler = df['description'].map(lambda s: [word for word in keyword if word in s.lower()][0] 
                                         if bool([word for word in keyword if word in s.lower()]) 
                                         else np.nan)
df['manufacturer'] = df['manufacturer'].fillna(filler)

當兩者都出現在字符串中時，不確定您想要關鍵字中的最后一項還是第一項。 我使用索引 0 將其設置為此處的第一項。