where 函数忽略 Nan答案

【问题标题】：Where function ignoring Nanwhere 函数忽略 Nan
【发布时间】：2021-06-15 03:28:46
【问题描述】：

我正在尝试使用 where 函数而忽略 Nan，我不希望删除或替换 Nans。

这里是一个玩具数据集：

df=pd.DataFrame({
                 'A':[8,39,40,52],
                 'B':[8,39,np.nan,50],
                 })

这给出了：

    A    B
0   8   8.0
1   39  39.0
2   40  NaN
3   52  50.0

想要的结果：

    A   B       check
0   8   8.0     True
1   39  39.0    True
2   40  NaN     Nan
3   52  50.0    False

我尝试了以下代码，但没有成功：

df = ((np.where(df['A']== df['B'], True, False))| df.isnull())

【问题讨论】：

where 仅与布尔条件数组 df['A']== df['B'] 一样好。

标签： python pandas numpy nan

【解决方案1】：

您可以在任一列中有NaN 的地方设置掩码，然后使用布尔掩码插入np.nan。

m = df.isna().any(axis=1)
df['check'] = df['A'].eq(df['B'])
df.loc[m, 'check'] = np.nan # This would upcast bools to floats.

一种解决方法是使用Series.astype 将check 列的dtype 设为object。

m = df.isna().any(axis=1)
df['check'] = df['A'].eq(df['B'])
df['check'] = df['check'].astype(object)
df.loc[m, 'check'] = np.nan

   A     B  check
0   8   8.0   True
1  39  39.0   True
2  40   NaN    NaN
3  52  50.0  False

【讨论】：

【解决方案2】：

只需做一个where：

df['A'].eq(df['B']).where(df[['A','B']].notna().all(1))

但这会 ~~downcast~~ 将True, False 向上转换为float。

【讨论】：

@Ch3steR 感谢您指出这一点。已更新。
使用astype(object) 可以防止df.assign(check=(df['A'] == df['B']).astype(object).mask(df.isnull().any(1))) 的强制转换

【解决方案3】：

#Using df.apply
import pandas as pd
import numpy as np

df=pd.DataFrame({
             'A':[8,39,40,52],
             'B':[8,39,np.nan,50],
             })
def check(df):

    if not (pd.isnull(df["A"]) or pd.isnull(df["B"])):
        if df["A"]==df["B"]:
            return "True"
        else:
            return "False"
    else:
        return "Nan"
df["check"]=""
df["check"]=df.apply(check,axis=1)
print(df)

output:
    A     B  check
0   8   8.0   True
1  39  39.0   True
2  40   NaN    Nan
3  52  50.0  False

【讨论】：