主页 / coding / 问题 / 76935860
Accepted
Ishigami
Asked: 2023-08-19 23:34:46 +0800 CST

使用另一个数据帧填充 Pandas 数据帧中的缺失值

  • 772

我有一个数据框df，如下所示：

Race_ID   Date           Student_ID      Rank  Student_Name 
1         1/1/2023       1               3     Ryan
1         1/1/2023       NaN             2     Mary
1         1/1/2023       3               1     Tony
1         1/1/2023       4               4     Chris
2         11/9/2022      1               2     Ryan
2         11/9/2022      NaN             3     Mary
2         11/9/2022      3               1     Tony
3         17/4/2022      5               4     Josh
3         17/4/2022      NaN             1     Mary
3         17/4/2022      3               2     Tony
3         17/4/2022      4               3     Chris
4         1/3/2022       1               1     Ryan
4         1/3/2022       NaN             2     Mary
5         1/1/2021       1               2     Ryan
5         1/1/2021       NaN             3     Mary
5         1/1/2021       3               1     Tony

Mary 的 Student_ID 丢失。不过我有另一个数据框studentList，看起来像

Studnet_ID   Student_Name
1            Ryan
2            Mary
3            Tony
4            Chris
5            Josh
6            David
7            Evan

我想用它来填写NaN中Student_ID的列df。有什么快速的方法可以做到吗？谢谢。

python-3.x

2 个回答

  1. 您需要合并：

    df = df.merge(studentList, left_on='Student_Name', right_on='Student_Name', how = 'left')
    • 2
  2. Best Answer

    由于仅在 的情况下缺少 ID Mary，因此以下解决方案应该有效。

    df1['Student_ID'] = df1['Student_ID'].fillna(df2[df2['Student_Name']=='Mary'].Student_ID[1])

    如果没有特定学生的姓名，则以下解决方案应该有效：

    df3 = pd.merge(df1, df2, on = 'Student_Name', how = 'left', suffixes = ('', '_test'))
df3['Student_ID'] = df3['Student_ID'].fillna(df3.Student_ID_test).astype(int)

    两种情况的最终结果：

    Race_ID       Date  Student_ID  Rank Student_Name
0         1   1/1/2023         1.0     3         Ryan
1         1   1/1/2023         2.0     2         Mary
2         1   1/1/2023         3.0     1         Tony
3         1   1/1/2023         4.0     4        Chris
4         2  11/9/2022         1.0     2         Ryan
5         2  11/9/2022         2.0     3         Mary
6         2  11/9/2022         3.0     1         Tony
7         3  17/4/2022         5.0     4         Josh
8         3  17/4/2022         2.0     1         Mary
9         3  17/4/2022         3.0     2         Tony
10        3  17/4/2022         4.0     3        Chris
11        4   1/3/2022         1.0     1         Ryan
12        4   1/3/2022         2.0     2         Mary
13        5   1/1/2021         1.0     2         Ryan
14        5   1/1/2021         2.0     3         Mary
15        5   1/1/2021         3.0     1         Tony
    • 2

相关问题