python - 用多个值填充多个列的缺失值

Question

我浏览了类似于一次性为 pandas 填写多个列的帖子，但是我这里的问题似乎有点不同，因为我需要能够填充缺失的列具有特定列值的值，并能够一次对多个列执行此操作。

例如:我可以单独使用下面的命令来填充 NA

result1_copy['BASE_B'] = np.where(pd.isnull(result1_copy['BASE_B']), result1_copy['BASE_S'], result1_copy['BASE_B'])

result1_copy['QWE_B'] = np.where(pd.isnull(result1_copy['QWE_B']), result1_copy['QWE_S'], result1_copy['QWE_B'])

但是，如果我尝试一次填充它，它不起作用:

result1_copy['BASE_B','QWE_B'] = result1_copy['BASE_B', 'QWE_B'].fillna(result1_copy['BASE_S','QWE_S'])

我们知道为什么吗？请注意，为了方便起见，我在这里只使用了 2 列，但是我有 10 列可以估算。它们是对象、 float 或日期时间。数据类型是这里的问题吗？

Answer 1

您需要为过滤后的 DataFrame 添加 []，为对齐列添加 rename:

d = {'BASE_S':'BASE_B', 'QWE_S':'QWE_B'}
result1_copy[['BASE_B','QWE_B']] = result1_copy[['BASE_B', 'QWE_B']]
                                     .fillna(result1_copy[['BASE_S','QWE_S']]
                                     .rename(columns=d))

更动态的解决方案:

L = ['BASE_','QWE_']
orig = ['{}B'.format(x) for x in L]
new =  ['{}S'.format(x) for x in L]

d = dict(zip(new, orig))
result1_copy[orig] = (result1_copy[orig].fillna(result1_copy[new]
                                        .rename(columns=d)))

另一种解决方案，如果将列与 B 和 S 匹配:

for x in ['BASE_','QWE_']:
    result1_copy[x + 'B'] = result1_copy[x + 'B'].fillna(result1_copy[x + 'S'])

示例:

result1_copy = pd.DataFrame({'A':list('abcdef'),
                   'BASE_B':[np.nan,5,4,5,5,np.nan],
                   'QWE_B':[np.nan,8,9,4,2,np.nan],
                   'BASE_S':[1,3,5,7,1,0],
                   'QWE_S':[5,3,6,9,2,4],
                   'F':list('aaabbb')})


print (result1_copy)
   A  BASE_B  BASE_S  F  QWE_B  QWE_S
0  a     NaN       1  a    NaN      5
1  b     5.0       3  a    8.0      3
2  c     4.0       5  a    9.0      6
3  d     5.0       7  b    4.0      9
4  e     5.0       1  b    2.0      2
5  f     NaN       0  b    NaN      4

d = {'BASE_S':'BASE_B', 'QWE_S':'QWE_B'}
result1_copy[['BASE_B','QWE_B']] = (result1_copy[['BASE_B', 'QWE_B']]
                                      .fillna(result1_copy[['BASE_S','QWE_S']]
                                      .rename(columns=d)))
print (result1_copy) 
   A  BASE_B  BASE_S  F  QWE_B  QWE_S
0  a     1.0       1  a    5.0      5
1  b     5.0       3  a    8.0      3
2  c     4.0       5  a    9.0      6
3  d     5.0       7  b    4.0      9
4  e     5.0       1  b    2.0      2
5  f     0.0       0  b    4.0      4