更新缺失值

Question

我有一個數據幀DF具有兩個列是「城市」和「ZIP_CODE」：

df = pd.DataFrame({'city': ['Cambridge','Washington','Miami','Cambridge','Miami', 
'Washington'], 'zip_code': ['12345','67891','23457','','','']}) 

如上所示，特定城市中含有的一個郵政編碼行，但zip_code在其他行中的同一個城市缺少。我想根據其他行中該城市的zip_code值填寫缺失的值。基本上，只要有缺少的zip_code，它就會在其他行中檢查該城市的zip_code，如果找到，則填充zip_code的值。如果找不到，填充「NA」。

如何使用熊貓來完成此任務？

Answer 1

你可以去：

import numpy as np 

df['zip_code'] = df.replace(r'', np.nan).groupby('city')['zip_code'].fillna(method='ffill').fillna(method='bfill') 

>>> df 
     city zip_code 
0 Cambridge 12345 
1 Washington 67891 
2  Miami 23457 
3 Cambridge 12345 
4  Miami 23457 
5 Washington 67891 

Answer 2

我的建議是首先創建一個從城市到郵政編碼的地圖。您可以從一個DataFrame創建此字典。

然後您使用該字典填寫所有缺少的郵政編碼值。

Answer 3

您可以檢查使用str.len字符串的長度和這些行，篩選主要DF那些具有有效zip_codes，設置索引這些，並呼籲將執行查找的「城市」列map和填補這些值：

In [255]: 
df.loc[df['zip_code'].str.len() == 0, 'zip_code'] = df['city'].map(df[df['zip_code'].str.len() == 5].set_index('city')['zip_code']) 
df 

Out[255]: 
     city zip_code 
0 Cambridge 12345 
1 Washington 67891 
2  Miami 23457 
3 Cambridge 12345 
4  Miami 23457 
5 Washington 67891 

如果你的真實數據有許多重複的值，那麼你就需要另外撥打drop_duplicates第一：

df.loc[df['zip_code'].str.len() == 0, 'zip_code'] = df['city'].map(df[df['zip_code'].str.len() == 5].drop_duplicates(subset='city').set_index('city')['zip_code']) 

你需要做的原因是因爲它會提高一個錯誤，如果有重複的索引條目