无法通过熊猫中的lambda填充多列中的NaN值答案

【问题标题】：Cannot fill NaN values in multiple columns by lambda in pandas无法通过熊猫中的lambda填充多列中的NaN值
【发布时间】：2019-08-17 01:09:47
【问题描述】：

我试图在我的 DataFrame all_files_d 中用 0 填充所有浮点列 NaN 值，然后将其放入一个空列表或名为 ts 的 DataFrame 中。

我的数据样本如下：

 ColX              ColY
 56.9              6.4
 67.5              NaN
 NaN               8.9
 NaN               NaN

我已尝试遵循此问题代码，因为它似乎对某些用户有效，但似乎存在 NaN 值并且它没有填充任何内容：

Fillna in multiple columns in place in Python Pandas

这是我的代码：

ts = []
all_files_d.apply(lambda x: x.fillna(0, inplace = True) if x.dtype.kind
 in 'f' else x.fillna('.', inplace = True), axis = 1)

ts.append(all_files_d)

我希望得到以下结果，所有 NaN 都填充为 0。提前致谢。

 ColX              ColY
 56.9              6.4
 67.5              0
 0                 8.9
 0                 0

任何帮助将不胜感激。

【问题讨论】：

标签： python pandas numpy

【解决方案1】：

将combine_first 与pd.to_numeric() 一起使用：

经过测试（添加了一个额外的字符串列）：

df['Colz']=['abc',np.nan,'def',np.nan]
print(df)

   ColX ColY Colz
0  56.9  6.4  abc
1  67.5  NaN  NaN
2   NaN  8,9  def
3   NaN  NaN  NaN

df.combine_first(df.apply(lambda x: \
      pd.to_numeric(x,errors='coerce')).dropna(how='all',axis=1).fillna(0))

输出

   ColX ColY Colz
0  56.9  6.4  abc
1  67.5    0  NaN
2   0.0  8,9  def
3   0.0    0  NaN

编辑，用于获取浮点数据类型并填充 NaN：

m=df.select_dtypes('float').columns 
df.loc[:,m]=df.loc[:,m].fillna(0) 
print(df)

【讨论】：

仍然有 NaN，这很奇怪。这是就地方法吗？
@geds133 不，你必须分配它df=df.combine_first(.....) 然后打印（df）
@geds133 没问题。 :) 还有一件事，举例来说，如果你有像8,9 这样的数据，这是一个错字还是你在浮点列中有字符串？
@geds133 没问题。 :) 还有一件事，举例来说，如果你有像8,9 这样的数据，这是一个错字还是你在浮点列中有字符串？
谢谢。您可能想要编辑您的答案并添加正确的答案，同时更改我的输入错误以使其他人清楚。

【解决方案2】：

IIUC，

ts = df.apply(lambda x: x.fillna(0) if x.dtypes == float else x.fillna('.'))


    ColX    ColY
0   56.9    6.4
1   67.5    0.0
2   0.0     8.9
3   0.0     0.0

【讨论】：

预期输出将上述列中的 NaN 填充为 0，因此我假设 8,9 是一个错字。会看到，目前还不是很清楚
仍然有 NaN。我确定我的数据在这里有些地方不太正确，但我无法弄清楚为什么 float64 列中会留下连续的 NaN 值。
df.dtypes 的输出是什么？
列的输出为 float64

【解决方案3】：

使用df.select_dtype()

# fillna to float64 columns
ts = df.select_dtypes(include=['float64']).fillna(0) 

# merge data
df.join(ts, lsuffix="_").reindex(df.columns, axis=1)

【讨论】：

仍然包含 NaN。我也不想直接填写ts，我想在最后追加，这样我可以在两者之间做其他操作。
df.dtypes 对那些带有剩余 NaN 的列有什么看法？可能他们是object 类型？？
它们是float64
再一次，我不想直接分配给ts，只是追加。