当我的表中也有 NaN 值时，我可以使用什么来代替 .loc？答案

【问题标题】：what can I use instead of .loc when i also have NaN values in my table?当我的表中也有 NaN 值时，我可以使用什么来代替 .loc？
【发布时间】：2019-02-12 04:31:45
【问题描述】：

我想按他们的名字对一些运动员进行分组，从每个人那里得到最小的年龄，然后按他们的年龄从最小到最大对他们进行排序，但是在我的数据中也有一些 Nan 值，我得到了 FutureWarning：将列表喜欢传递给带有任何缺失标签的 .loc 或 [] 将引发 KeyError 在未来，你可以使用 .reindex() 作为替代。是否有任何选项可以跳过具有 Nan 值的记录？

这是我的代码，tab 是我从老师那里得到的 csv 文件中读取的表格：

tabYoungest=tab.sort_values(by='Age')  
tabYoungestgesamt=tabYoungest.loc[tabYoungest.groupby('Name')['Age'].idxmin()]
tabYoungestgesamt.head(20)

【问题讨论】：

可能就像在.loc 中添加.dropna 一样简单：tabYoungest.groupby('Name')['Age'].idxmin().dropna()
如果您不想丢失信息，可以使用.fillna() 更改这些值
请提供MCVE您的数据。
在我看来，你真正需要的只是tab.groupby('Name').min()，另外请注意，如果你不想改变你的方法，你可以使用tabYoungest.reindex(tabYoungest.groupby('Name')['Age'].idxmin())作为警告状态。
.dropna() 解决了我的问题 :) thx @ALollz

标签： python pandas

【解决方案1】：

IIUC 这可以通过使用.sort_values + groupby + head 更轻松地实现。输出将是每个名字的最小年龄，从最小到最大排序，所有名字最后都缺少年龄。

样本数据：

import pandas as pd
import numpy as np

np.random.seed(1)
tab = pd.DataFrame({'Name': list('ABCDEFGHIJ')*100,
                   'Age': np.random.normal(50,5,1000)})
tab.loc[1000] = ['Z', np.NaN]

代码：

tab = tab.sort_values('Age')
tab.groupby('Name').head(1)

     Name        Age
892     C  34.731178
661     B  36.045018
367     H  36.087328
738     I  36.508191
976     G  36.679370
589     J  37.418481
414     E  37.932485
5       F  38.492307
973     D  38.508971
790     A  39.568047
1000    Z        NaN

【讨论】：

或者只是tab.groupby('Name').min()
@juanpa.arrivillaga 好点，在这里有效，然后是.sort 年龄，只要age 是唯一需要的信息。 .head(1) 更符合.loc[...idxmin()] 的输出，因为它带来了年龄最小的整行。
在这种情况下您可以使用tab.groupby('Name').agg(['idxmin','min'])，不过我怀疑head 可能更有效。