আমি fillnaপদ্ধতিটি ব্যবহার করে অন্য কলামের মান সহ একটি কলামে হারিয়ে যাওয়া মানগুলি পূরণ করতে চাই ।
(আমি পড়েছি যে প্রতিটি সারিতে লুপ করা খুব খারাপ অভ্যাস হবে এবং একসাথে সব কিছু করা ভাল তবে এটি কীভাবে করবেন তা আমি খুঁজে পাইনি fillna))
এর আগে ডেটা:
Day Cat1 Cat2
1 cat mouse
2 dog elephant
3 cat giraf
4 NaN ant
ডেটা পরে:
Day Cat1 Cat2
1 cat mouse
2 dog elephant
3 cat giraf
4 ant ant
উত্তর:
আপনি এই কলামটি fillna( ডক্স দেখুন ) সরবরাহ করতে পারেন, এটি পূরণের জন্য সূচকগুলির সাথে মানগুলি ব্যবহার করবে:
In [17]: df['Cat1'].fillna(df['Cat2'])
Out[17]:
0 cat
1 dog
2 cat
3 ant
Name: Cat1, dtype: object
আপনি করতে পারেন
df.Cat1 = np.where(df.Cat1.isnull(), df.Cat2, df.Cat1)
আরএইচএসের সামগ্রিক নির্মাণে কুকবুক (যা এটি কোনও অবস্থাতেই পড়তে অর্থ প্রদান করে) থেকে তিনটি প্যাটার্নpandas ব্যবহার করে । এটির ভেক্টর সংস্করণ a? b: c।
pd.DataFrame.fillna()। এবং আমি সন্দেহ করি যে কর্নার-কেস আচরণের জন্য পৃথক ডেটাফ্রেমগুলি থেকে মিলিত সিরিজের দৈর্ঘ্যের জন্য পৃথক হতে পারে: ডিএফএ ['ক্যাট 1'], ডিএফবি ['ক্যাট 2']
এর valueপরিবর্তে প্যারামিটারটি ব্যবহার করুন method:
In [20]: df
Out[20]:
Cat1 Cat2 Day
0 cat mouse 1
1 dog elephant 2
2 cat giraf 3
3 NaN ant 4
In [21]: df.Cat1 = df.Cat1.fillna(value=df.Cat2)
In [22]: df
Out[22]:
Cat1 Cat2 Day
0 cat mouse 1
1 dog elephant 2
2 cat giraf 3
3 ant ant 4
valueপ্রথম প্যারামিটার, সুতরাং জোরিস আসলে একই জিনিস করছে। তিনি যেমন বলেছিলেন, দস্তাবেজগুলি দেখুন ।
methodএখানে প্রথমে তালিকাভুক্ত হিসাবে ডাস্টস্ট্রিংটি কিছুটা বিভ্রান্তিকর ।
pandas.DataFrame.combine_first এছাড়াও কাজ করে।
( মনোযোগ দিন: যেহেতু "ফলাফল সূচক কলামগুলি সংশ্লিষ্ট সূচি এবং কলামগুলির মিলন হবে" তাই আপনার সূচিটি পরীক্ষা করা উচিত এবং কলামগুলি মিলেছে ))
import numpy as np
import pandas as pd
df = pd.DataFrame([["1","cat","mouse"],
["2","dog","elephant"],
["3","cat","giraf"],
["4",np.nan,"ant"]],columns=["Day","Cat1","Cat2"])
In: df["Cat1"].combine_first(df["Cat2"])
Out:
0 cat
1 dog
2 cat
3 ant
Name: Cat1, dtype: object
অন্যান্য উত্তরের সাথে তুলনা করুন:
%timeit df["Cat1"].combine_first(df["Cat2"])
181 µs ± 11.3 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)
%timeit df['Cat1'].fillna(df['Cat2'])
253 µs ± 10.3 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
%timeit np.where(df.Cat1.isnull(), df.Cat2, df.Cat1)
88.1 µs ± 793 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
আমি নীচে এই পদ্ধতিটি ব্যবহার করিনি:
def is_missing(Cat1,Cat2):
if np.isnan(Cat1):
return Cat2
else:
return Cat1
df['Cat1'] = df.apply(lambda x: is_missing(x['Cat1'],x['Cat2']),axis=1)
কারণ এটি একটি ব্যতিক্রম উত্থাপন করবে:
TypeError: ("ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''", 'occurred at index 0')
যার অর্থ np.isnan নেটিভ dtype (যেমন np.float64) এর NumPy অ্যারে প্রয়োগ করা যেতে পারে, তবে বস্তুর অ্যারে প্রয়োগ করার সময় TypeError উত্থাপন করে।
সুতরাং আমি পদ্ধতিটি সংশোধন করছি:
def is_missing(Cat1,Cat2):
if pd.isnull(Cat1):
return Cat2
else:
return Cat1
%timeit df.apply(lambda x: is_missing(x['Cat1'],x['Cat2']),axis=1)
701 µs ± 7.38 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)
আমি জানি এটি একটি পুরানো প্রশ্ন, তবে সম্প্রতি আমার অনুরূপ কিছু করার দরকার ছিল। আমি নিম্নলিখিতটি ব্যবহার করতে সক্ষম হয়েছি:
df = pd.DataFrame([["1","cat","mouse"],
["2","dog","elephant"],
["3","cat","giraf"],
["4",np.nan,"ant"]],columns=["Day","Cat1","Cat2"])
print(df)
Day Cat1 Cat2
0 1 cat mouse
1 2 dog elephant
2 3 cat giraf
3 4 NaN ant
df1 = df.bfill(axis=1).iloc[:, 1]
df1 = df1.to_frame()
print(df1)
যা ফলন দেয়:
Cat1
0 cat
1 dog
2 cat
3 ant
আশা করি এটি কারও সহায়ক হবে!
fillnaএকটি সিরিজ লাগে।