基于具有默认值的形状创建 DataFrame

Question

我有一个接收 df 的函数。 我试图让它返回一个具有相同形状但默认值的 df（在我的示例中为 True）。

我有时会得到一个系列作为 df（仅一个列）。

我设法为一个系列找到了一些东西：

def func(df):
    return pd.Series([True for i in range(df.shape[0])])

我还管理了一个 df：

def func(df):
     return df.apply(lambda x: True)

但这似乎资源不足，我试图找到一种快速而优雅的方式来实现这一目标。

Answer 1

编辑 3：为一些已发布的答案添加 %timeit

样本：

n = np.arange(900000).reshape(300000, 3)
df = pd.DataFrame(n, columns = list('abc'))

%timeit 结果：

In [19]: %timeit pd.DataFrame().reindex_like(df).fillna(True)
336 ms ± 13.6 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [20]: %timeit ~df.eq(np.nan)
2.7 ms ± 175 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

In [21]: %timeit df.where(df.isna()).fillna(True)
332 ms ± 11.6 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

In [22]: %%timeit
    ...: df1=df.copy()
    ...: df1[:]=True
    ...:
7.39 ms ± 339 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

所以，~df.eq(np.nan) 是最快的

---

编辑 2： 使用“NaN”的特殊功能添加另一个方法，即NaN == NaN return False。因此，将整个df 与NaN 进行比较。它将返回所有False。然后，使用否定运算符'~' 将所有内容变为True

~df.eq(np.nan)

Out[1386]:
      a     b     c
0  True  True  True
1  True  True  True
2  True  True  True

编辑：（添加说明）

df.where 和 series.where 上的文档

df.isna 在NaN 上返回True，在non-NaN 上返回False。我使用df.isna 创建一个布尔掩码以与.where 一起使用。在掩码True 上，.where 保持相同的值，即NaN。在掩码 False 上，.where 替换为 replaced-value。我没有指定replaced-value，所以.where 默认为NaN。

这意味着整个df 将转向所有NaN，无论它具有什么值。最后，fillna 到 True

此方法适用于数据框和系列

---

IIUC，您想从当前的 df 创建一个 new_df，其中所有值都变为 True。如果是这种情况，则不需要函数。

一个简单的方法应该可以工作：

样本数据：

df:
   a  b  c
0  0  1  2
1  3  4  5
2  6  7  8

df.where(df.isna()).fillna(True)

Out[1374]:
      a     b     c
0  True  True  True
1  True  True  True
2  True  True  True

Answer 2

您可以编写一个函数，它将df 作为输入并返回一个形状与True 相同的df1：

def my_true(df):
    df1=df.copy()
    df1[:]=True
    return df1

---

my_true(df)

---

      a     b     c
0  True  True  True
1  True  True  True
2  True  True  True

Answer 3

根据您的df 上的数据类型，可以有多种方法。但是，以下方法与 df 中的数据类型无关。

import numpy as np
def create_default_df(df, replace_with):
    return pd.DataFrame(np.full(df.shape,replace_with), columns = df.columns, index = df.index)

这是一个测试用例：

import pandas as pd
dat = pd.DataFrame({'a':[1,2,3], 'b': ['x', None, 'y']})
default_dat = create_default_df(ser, 0)
print(default_dat)

结果是

   a  b
0  0  0
1  0  0
2  0  0

编辑 - 用于系列

ser = pd.Series([1,2,3])
default_dat = create_default_df(dat, 0)
print(default_dat)

输出是

   0
0  0
1  0
2  0

Answer 4

def rep_values(obj, value):
    obj[:] = value  //Change condition based on your needs
    return obj

In [27]: df
Out[27]: 
   0  1  2
0  0  0  0
1  1  2  3
In [28]: df = rep_values(df, 1)

In [29]: df
Out[29]: 
   0  1  2
0  1  1  1
1  1  1  1

In [30]: s = pd.Series([1,2,3])

In [31]: s = rep_values(s, 1)

In [32]: s
Out[32]: 
0    1
1    1
2    1
dtype: int64