如何用 Pandas DataFrame 中的行总和替换 NaN答案

【问题标题】：How to replace NaN with sum of the row in Pandas DatatFrame如何用 Pandas DataFrame 中的行总和替换 NaN
【发布时间】：2015-04-06 19:57:31
【问题描述】：

我正在尝试用 Pandas DataFrame 中的行总和替换某些列中的 NaN。请参阅下面的示例数据：

Items|  Estimate1|  Estimate2|  Estimate3|     
Item1|  NaN      |     NaN   |            8    
Item2|  NaN      |  NaN          |  5.5|

我希望项目 1 和 2 的估计值 1 和 2 分别为 8 和 5.5。

到目前为止，我已尝试使用 df.fillna(df.sum(), inplace=True)，但 DataFrame 没有任何变化。任何人都可以帮助我更正我的代码或推荐正确的方法吗？

【问题讨论】：

您能否尝试为fillna 和sum 通话提供axis=1？
@Joris 我已经尝试过 df.fillna(df.sum(), inplace=True,axis = 1) 并且我得到一个错误：'NotImplementedError: 目前只能填充 dict/Series 列按列'
确实，你是对的。请参阅我的答案以了解解决方法

标签： python python-3.x pandas dataframe

【解决方案1】：

提供axis=1 似乎不起作用（因为填充系列仅适用于逐列的情况，不适用于逐行的情况）。
一种解决方法是将每行的总和“广播”到具有与原始索引/列相同的索引/列的数据帧。稍作修改的示例数据框：

In [57]: df = pd.DataFrame([[np.nan, 3.3, 8], [np.nan, np.nan, 5.5]], index=['Item1', 'Item2'], columns=['Estimate1', 'Estimate2', 'Estimate3'])

In [58]: df
Out[58]:
       Estimate1  Estimate2  Estimate3
Item1        NaN        3.3        8.0
Item2        NaN        NaN        5.5

In [59]: fill_value = pd.DataFrame({col: df.sum(axis=1) for col in df.columns})

In [60]: fill_value
Out[60]:
       Estimate1  Estimate2  Estimate3
Item1       11.3       11.3       11.3
Item2        5.5        5.5        5.5

In [61]: df.fillna(fill_value)
Out[61]:
       Estimate1  Estimate2  Estimate3
Item1       11.3        3.3        8.0
Item2        5.5        5.5        5.5

对此有一个开放的增强问题：https://github.com/pydata/pandas/issues/4514

【讨论】：

【解决方案2】：

您也可以将apply 与lambda 表达式一起使用，如下所示：

df.apply(lambda row: row.fillna(row.sum()), axis=1)

产生预期的结果

       Estimate1  Estimate2  Estimate3
Item1       11.3        3.3        8.0
Item2        5.5        5.5        5.5

但不确定效率。

【讨论】：