使用 Pandas 更新 CSV 文件中的 Nan 值，并在 CSV 的其他列上使用

Question

我想根据人的类别更新年龄列中的 Nan 值。csv 文件包含年龄和人的类别。如果这个人是一等的，他的年龄是 35。如果这个人是二等的，他的年龄是 30。如果这个人是三等的，他的年龄是 25。Csv FileAge   Class32     226     3Nan    136     124     3Nan    2Nan    3Update Csv FileAge   Class32     226     335     136     124     330     225     3我尝试了一些熊猫功能，但没有奏效。df[ (df.Age.isnull()) & (df.Pclass==1) ]['Age'] = 35df[ (df.Age.isnull()) & (df.Pclass==2) ]['Age'] = 30df[ (df.Age.isnull()) & (df.Pclass==3) ]['Age'] = 25请提供解决方案....

Answer 1

您可以使用map：

age_dict={1:35, 2:30, 3:25}

# read csv

df = pd.read_csv('in_file.csv')

# update the missing ages

df['Age'] = df['Age'].fillna(df['Class'].map(age_dict))

# save csv

df.to_csv('out_file.csv')

Answer 2

享受：

df['Age'] = np.where((df.Age.isnull() == True) & (df.Pclass==1), 35, df['Age])

df['Age'] = np.where((df.Age.isnull() == True) & (df.Pclass==2), 30, df['Age])

df['Age'] = np.where((df.Age.isnull() == True) & (df.Pclass==3), 25, df['Age])

Answer 3

我想这样的事情应该有效，

df['Age'][ df['Age'].isnull() & df['lass'] == 1] = 35

df['Age'][ df['Age'].isnull() & df['lass'] == 2] = 30

df['Age'][ df['Age'].isnull() & df['lass'] == 3] = 25

Answer 4

在导入pandas之前先将csv文件转换成如下图：

Age,Class

32,2

26,3

,1

36,1

24,3

,2

,3

现在导入 csv 文件并将值分配给 Nan。

import pandas as pd

df = pd.read_csv(YOUR_CSV_FILE)

df.loc[ (df.Age.isna()) & (df.Class==1) ] = 35,1

df.loc[ (df.Age.isna()) & (df.Class==2) ] = 30,1

df.loc[ (df.Age.isna()) & (df.Class==3) ] = 25,1