熊猫fillna多索引

克里斯

我有一个具有多索引的数据框

       values                            observations
time       x1    x2    x3    x4   ...         x1    x2    x3    x4    ...

  t1     v1_1   nan  v3_1  v4_1   ...       o1_1   nan  o3_1  o4_1    ...
  t2     v1_2  v2_2   nan  v4_2   ...       o1_2  o2_2   nan  o4_2    ...

我正在尝试用0s填充观察框

df.loc[:,('observations')].fillna(value=0, inplace=True)

但这不能填充df。当我切片并应用fillna时,它会起作用

dfx = df.loc[:,('observations')].fillna(value=0)

dfx的nans替换为0,我可以替换原始部分

df.observations = dfx

我不清楚第一种方法为什么行不通。似乎很奇怪。有人可以在这里启发我吗?

耶斯列尔

对我而言:

df['observations'] = df['observations'].fillna(0)
print (df)
   values                   observations                  
     time    x1    x2    x3           x4    x1    x2    x3
t1   v1_1   NaN  v3_1  v4_1         o1_1     0  o3_1  o4_1
t2   v1_2  v2_2   NaN  v4_2         o1_2  o2_2     0  o4_2

我认为问题是无法解决的loc因此,您可以使用:

df1 = df.loc[:,('observations')] 
df1.fillna(value=0, inplace=True)

另一个解决方案是按选择slicing,但首先需要按sort_index以下方式对列名称进行排序

df.sort_index(inplace=True, axis=1)
idx = pd.IndexSlice
df.loc[:, idx['observations',:]] = df.loc[:, idx['observations',:]].fillna(0)
print (df)
     observations                   values                  
time           x1    x2    x3    x4     x1    x2    x3    x4
t1           o1_1     0  o3_1  o4_1   v1_1   NaN  v3_1  v4_1
t2           o1_2  o2_2     0  o4_2   v1_2  v2_2   NaN  v4_2

本文收集自互联网,转载请注明来源。

如有侵权,请联系 [email protected] 删除。

编辑于
0

我来说两句

0 条评论
登录 后参与评论

相关文章