pandas 用新列的值替换原列的值

时间：2023-02-24 12:50:37 标签：pandas python 缺失值 替换

看过来

《pandas 教程》持续更新中，可作为 pandas 入门进阶课程、pandas 中文手册、用法大全，配有案例讲解和速查手册。提供建议、纠错、催更等加作者微信: gairuo123（备注：pandas教程）和关注公众号「盖若」ID: gairuo。查看更新日志。作者开办 Python 数据分析培训，详情 Python 数据分析培训。

本教程作者所著新书《深入浅出Pandas：利用Python进行数据处理与分析》（ISBN：9787111685456）已由机械工业出版社出版上市，各大电商平台有售，欢迎：查看详情并关注购买。

在数据处理中，需要用一列值替换另外一列对应的值的场景有很多，本例我们就用 pandas 来实现相关的需求。

需求背景

以下是一些需要列值替换的常见场景：

数据清洗：在数据清洗过程中，有时候需要将某些列中的错误或缺失值用另一列中的合适值来替换。例如，如果一个表格中有一个人员姓名列和一个人员编号列，但人员姓名列中存在拼写错误或缺失值，那么可以通过人员编号列中的数据来纠正或填充姓名列中的值。

数据转换：在将数据从一种格式或结构转换为另一种格式或结构时，可能需要用一列值替换另外一列对应的值。例如，如果将一个表格从一个数据库转移到另一个数据库，可能需要将某些列中的值进行重新映射或转换，以适应新数据库的结构。

数据分析：在进行数据分析时，有时候需要将某些列中的值进行重编码或重新分类。例如，如果有一个表格中的一个列包含了年龄数据，那么可以将这个列中的值按照一定的规则重新编码成多个类别，比如“儿童”、“青少年”、“成年人”等等。

数据可视化：在进行数据可视化时，有时候需要将某些列中的值进行替换或映射，以便更好地呈现数据。例如，如果一个表格中的一个列包含了某些产品的名称，那么可以将这个列中的值映射成该产品的图标或缩略图，以便更好地展示产品信息。

数据与需求

构造数据如下：

from io import StringIO
import pandas as pd

data = """
a    b
a1 
a2   b2
a3 
a4   b4
"""

df = pd.read_csv(StringIO(data), delim_whitespace=True)
df
# ...

希望将 b 列中不为空的值去替换 a 列对应位置的数据。最终结果如下：

'''
    a    b
0  a1  NaN
1  b2   b2
2  a3  NaN
3  b4   b4
'''

思路

有两种思路，一种为根据 b 列，将 a 列对应位置的数据设置为空，然后对 b 列对应位置的数据填充。

另外一种为根据 b 列直接筛选出 a 列的数据，然后用 b 列赋值给这些位置。

代码

第一种思路，我们用链式方法，代码如下：

(
    df.assign(a=df.a.mask(df.b.notna()))
    .apply(lambda s: s.bfill(), axis=1)
)

代码使用了 pandas 的 assign() 和 apply() 函数来操作数据框 df。下面是代码的具体解析：

df.assign(a=df.a.mask(df.b.notna()))：该语句创建了一个新的数据框，其中列 a 的值根据列 b 是否为空来进行替换，即如果列 b 不是空值，则列 a 的值将会被替换为 NaN。其中 df.a.mask(df.b.notna()) 使用了 pandas 的 mask() 函数来实现替换操作。

.apply(lambda s: s.bfill(), axis=1)：该语句将对每行数据执行一个函数，使用 bfill() 函数来填充每行数据中的缺失值。其中 apply() 函数的第一个参数是一个函数，该函数会对每行数据进行操作，axis=1 参数表示对行进行操作。

综合来说，该行代码的作用是：将数据框 df 中列 a 中的空值替换为 NaN，并使用 bfill() 函数来填充每行数据中的缺失值。具体的数据处理过程为：首先将列 a 中的空值替换为 NaN，然后对每行数据执行 bfill() 函数来填充缺失值。

第二种思路为直接赋值修改，代码如下：

df.loc[df.b.notna(), 'a'] = df.b

这行代码使用了 pandas 的 loc 函数来修改数据框 df 中的值。下面是代码的具体解析：

df.b.notna()：该语句返回一个布尔型的 Series，其中的每个元素表示该行数据中列 b 是否为非空值。如果是非空值，返回 True，否则返回 False。

df.loc[df.b.notna(), 'a']：该语句选中了数据框 df 中所有满足条件 df.b.notna() 的行，并选中这些行中的列 a。

=：该语句表示将选中的行和列的值进行修改。

df.b：该语句表示使用列 b 中的值来替换选中行中的列 a 的值。

该行代码的作用是：将数据框 df 中所有满足条件 df.b.notna() 的行中的列 a 的值替换为该行中的列 b 的值。具体的数据处理过程为：首先选中所有满足条件 df.b.notna() 的行中的列 a，然后将这些行中的列 a 的值替换为该行中的列 b 的值。

这样都可以完成需求。

（完）

pandas 用新列的值替换原列的值

需求背景

数据与需求

思路

代码

相关内容