df1 = pd.DataFrame({'a': [ 1,2],'b': [3,4]})
并且数据帧df2具有相同的大小,相同的列名和索引但具有NA值,在某处,两者都有
方法A:
nan_locations = np.where(df2.isnull())df1.values[nan_locations] = np.nan
方法B:
df1[df2.isnull()] = np.nan
用来自df2中相同位置的NA来覆盖df1中的值.但是,如果我对从Excel文件中读取的数据帧执行相同 *** 作,则方法A并不总是有效.可以请,有人解释我为什么会这样?
解决方法 这可能与第一个DataFrame的dtypes有关,其值需要被覆盖.当DataFrame是混合dtypes时,values属性返回一个带有uptype dtype( doc)的ndarray,它似乎是一个副本.因此,对该副本的分配将丢失.下面是一个“简单”DataFrame的示例,其中方法A和B都有效:
df1 = pd.DataFrame({'a': [1.0,2.0],'b': [3.0,4.0]})df2 = pd.DataFrame({'a': [1.0,'b': [np.nan,4.0]})
另一方面,这个看似相似的DataFrame仅适用于方法B:
df1 = pd.DataFrame({'a': [1,4.0]})df2 = pd.DataFrame({'a': [1,4.0]})
因为df1的dtypes是:
a int64b float64
因此,可能是Excel文件中的数据导致具有混合dtypes的DataFrame.使用适当的索引器来更新内容应优先于直接 *** 作低级值表示.
总结以上是内存溢出为你收集整理的python – 根据第二个NA值中的NA值覆盖pandas数据帧中的值全部内容,希望文章能够帮你解决python – 根据第二个NA值中的NA值覆盖pandas数据帧中的值所遇到的程序开发问题。
如果觉得内存溢出网站内容还不错,欢迎将内存溢出网站推荐给程序员好友。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)