python - 如何根据其他列的值估算 NaN 值？

Question

数据框中有两列

1)工作经验(年)

2)公司类型

我想根据工作经验列估算 company_type 列。 company_type 列有我想根据工作经验列填写的 NaN 值。工作经验栏没有任何缺失值。

这里 work_exp 是数值数据，company_type 是分类数据。

示例数据:

Work_exp      company_type
   10            PvtLtd
   0.5           startup
   6           Public Sector
   8               NaN
   1             startup
   9              PvtLtd
   4               NaN
   3           Public Sector
   2             startup
   0               NaN 

我已经决定了输入 NaN 值的阈值。

Startup if work_exp < 2yrs
Public sector if work_exp > 2yrs and <8yrs
PvtLtd if work_exp >8yrs

根据上述阈值标准，我如何估算列 company_type 中缺失的分类值。

Answer 1

您可以将 numpy.select 与 numpy.where 一起使用:

# define conditions and values
conditions = [df['Work_exp'] < 2, df['Work_exp'].between(2, 8), df['Work_exp'] > 8]
values = ['Startup', 'PublicSector', 'PvtLtd']

# apply logic where company_type is null
df['company_type'] = np.where(df['company_type'].isnull(),
                              np.select(conditions, values),
                              df['company_type'])

print(df)

   Work_exp  company_type
0      10.0        PvtLtd
1       0.5       startup
2       6.0  PublicSector
3       8.0  PublicSector
4       1.0       startup
5       9.0        PvtLtd
6       4.0  PublicSector
7       3.0  PublicSector
8       2.0       startup
9       0.0       Startup

pd.Series.between默认情况下包括起始值和结束值，并允许在 float 值之间进行比较。使用 inclusive=False 参数来省略边界。

s = pd.Series([2, 2.5, 4, 4.5, 5])

s.between(2, 4.5)

0     True
1     True
2     True
3     True
4    False
dtype: bool