使用 .loc 方法和 = 運算符更改 pandas DataFrame 中的值

Question

我有一個 dataframe，其中包含我正在嘗試填寫的缺失值。我制作了另一個 dataframe，其中包含填充缺失值的必要數據。 這兩個數據框都有我用來決定要填寫什么值的year和month列。缺少值的 dataframe 稱為full_arranged ，而 dataframe 我希望導入前者的值稱為median_values 。

為了填補缺失的數據，我寫了下面的代碼：

for column in full_arranged.drop(['year','month','day', 'date'], axis = 1).columns:
    for year in range(2016,2019):
            for month in range(1,13):
                temp_val = median_values.loc[(median_values['year'] == year) & (median_values['month'] == month), column]
                full_arranged.loc[(full_arranged[column].isnull()) & (full_arranged['year'] == year) & (full_arranged['month'] == month), column] = temp_val

運行這段代碼后，我檢查了缺失值，但它們都沒有改變。 我錯過了什么？

我也嘗試過做同樣的事情，但是使用 pandas 方法pd.fillna並得到了相同的結果（缺失值的類型為 np.nan 但我也厭倦了使用pd.fillna和 pd.nan 運行相同的代碼並且它不工作）。

full_arranged看起來像這樣：

年	月	值_1	值_2
2017年	3個	楠	3.52

median_values看起來像這樣：

年	月	median_value_for_value_1	median_value_for_value_2
2017年	3個	5個	4個

Answer 1

兩個 DF 的最小示例會有所幫助。

但是，條件& (median_values[column] == column)似乎很奇怪。

你不想做這樣的事情嗎？：

= median_values.loc[(median_values['year'] == year) & (median_values['month'] == month),column]

那么 select 按年和月的行並返回 median_values 列的值 dataframe？

更新：

效率更高的是 Pandas 方式：

    #Build Dummy Dataframes
    full_arranged = pd.DataFrame([[2017,3,np.NAN,3.52],[2017,3,4.5,9],[2017,4,4.5,np.NAN]], columns = ['year','month','value_1','value_2'])
    median_values = pd.DataFrame([[2017,3,5,4],[2017,4,6,7]], columns = ['year','month','value_1','value_2'])
    
    #Set Year/Month Index
    full_arranged.index = pd.to_datetime((full_arranged['year'].astype(str) + "-" + full_arranged['month'].astype(str)))
    median_values.index = pd.to_datetime((median_values['year'].astype(str) + "-" + median_values['month'].astype(str)))
    
    #Update NA Values
    full_arranged = full_arranged.update(median_values, overwrite=False)

pd.to_datetime 是可選的。