在熊貓數據框中填充缺失值與列表中的項目

Question

填充數據框中缺失值與列表項目的最佳方式是什麼？ 例如：

pd.DataFrame([[1,2,3],[4,5],[7,8],[10,11,12],[13,14]]) 

     0 1 2 
    0 1 2 3 
    1 4 5 NaN 
    2 7 8 NaN 
    3 10 11 12 
    4 13 14 NaN 

list = [6, 9, 150] 

得到一些這樣的事情：

 0 1 2 
    0 1 2 3 
    1 4 5 6 
    2 7 8 9 
    3 10 11 12 
    4 13 14 15 

Answer 1

這其實是有點棘手和黑客攻擊的一位，如果你知道列要填充的NaN值因爲那時你可以構造一個DF與缺失值的索引的列，並通過使用df fillna：

In [33]: 
fill = pd.DataFrame(index =df.index[df.isnull().any(axis=1)], data= [6, 9, 150],columns=[2]) 
df.fillna(fill) 

Out[33]: 
    0 1 2 
0 1 2 3 
1 4 5 6 
2 7 8 9 
3 10 11 12 
4 13 14 150 

您不能通過二CT（我原來的答覆）作爲字典鍵值的列值，以匹配和標值將用於該列所有NaN值這是不是你想要的東西：

In [40]: 
l=[6, 9, 150] 
df.fillna(dict(zip(df.index[df.isnull().any(axis=1)],l))) 

Out[40]: 
    0 1 2 
0 1 2 3 
1 4 5 9 
2 7 8 9 
3 10 11 12 
4 13 14 9 

你可以看到，它已將NaN全部替換爲9，因爲它與缺失的NaN索引值2匹配，並且列2。