python - 如何在 Python 中使用 for 循环用 NA 替换缺失值

Question

我有一个包含 2 个特征的数据框，这些特征是我使用 python 代码创建的:

data_df = {"Age" : [10, 20, 30, 40, 50, np.NaN, np.NaN, np.NaN, np.NaN],
           "Name" : ["A", "B", "C", "D", "E", "F", "G", "H", "I"]}
data_df = pd.DataFrame(data_df)
data_df.head(7)

<表类="s-表"><头><日> 年龄姓名<正文>010.0一个120.0B230.0C340.0D450.0E5NaNF6NaNG

现在我想将所有 Name 值替换为 NA，其中 age 也是 NA，所以我使用 for 循环，如下所示:

am_decision = []

for (x,y) in zip(data_df['Age'],data_df['Name']):
    if x == np.NaN:
        am_decision.append(np.NaN)
    else:
        am_decision.append(y)
print(len(am_decision))
print(am_decision) 

输出 == 9
['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I']

如您所见，上面的 for 循环代码不起作用。我错过了什么吗？

Answer 1

要测试缺失值，请使用 pandas.isna :

am_decision = []

for (x,y) in zip(data_df['Age'],data_df['Name']):
    if pd.isna(x):
        am_decision.append(np.NaN)
    else:
        am_decision.append(y)
print(len(am_decision))
print(am_decision) 
['A', 'B', 'C', 'D', 'E', nan, nan, nan, nan]

非循环解决方案更快更简单 - 使用 Series.mask与 Series.isna :

out = data_df['Name'].mask(data_df['Age'].isna())
print (out)
0      A
1      B
2      C
3      D
4      E
5    NaN
6    NaN
7    NaN
8    NaN
Name: Name, dtype: object

out = data_df['Name'].mask(data_df['Age'].isna()).tolist()
print (out)
['A', 'B', 'C', 'D', 'E', nan, nan, nan, nan]