我有一个数据帧,在一列中有None
个值。对于其他列的相同组合,我想用“category”的最大值替换这个None
值
示例:熊猫数据帧
import pandas as pd
d = {'company': ['Company1', 'Company1', 'Company1', 'Company1', 'Company2', 'Company2'], 'product': ['Product A', 'Product A', 'Product F', 'Product A', 'Product F', 'Product F'], 'category': ['1', None, '3', '2', None, '5']}
df = pd.DataFrame(d)
company product category
0 Company1 Product A 1
1 Company1 Product A None
2 Company1 Product F 3
3 Company1 Product A 2
4 Company2 Product F None
5 Company2 Product F 5
我想替换3中的None
值。列,该列的最大()值用于唯一组合(1.+2.列组成的组)。
预期结果如下所示:
company product category
0 Company1 Product A 1
1 Company1 Product A **2**
2 Company1 Product F 3
3 Company1 Product A 2
4 Company2 Product F **5**
5 Company2 Product F 5
我所尝试的: 我已将1+2.列(“公司+产品”)+获取3的最大值()。列+构建字典“类别”。(基于GroupBy results to dictionary of lists的想法)
df_dict = df[~df['category'].isna()].groupby(['company','product'])['category'].max().apply(list).to_dict()
我得到这个dictdf_dict
(显示每个组合的最大类别值):
{('Company1', 'Product A'): ['2'], ('Company1', 'Product F'): ['1'], ('Company2', 'Product F'): ['5']}
现在,我想用我的Dconditional中每个组合的最大值替换None
df[df['category'].isna()]
ompany product category
1 Company1 Product A None
4 Company2 Product F None
问题是,我该怎么做?
我试过用set_index()
df[df['category'].isna()].set_index(['company', 'product']).index
导致
MultiIndex([('Company1', 'Product A'),
('Company2', 'Product F')],
names=['company', 'product'])
它将把条目放在字典中并一起使用map()
df['category'] = df[df['category'].isna()].set_index(['company', 'product']).in
dex.map(df_dict)
。。。但我有一个错误
ValueError: Length of values (2) does not match length of index (6)
两步走,
首先,让我们将这些None值转换为
NaNs
,以便使用数值运算第二,让我们使用groupby transform和max仅填充NaN值
相关问题 更多 >
编程相关推荐