Início / coding / Perguntas / 79138384
Accepted
gernophil
Asked: 2024-10-30 01:45:42 +0800 CST

Use np.where para criar uma lista com o mesmo número de elementos, mas conteúdo diferente

  • 772

Tenho um dataframe pandas onde um valor às vezes obtém NA. Quero preencher esta coluna com uma lista de strings com o mesmo comprimento de outra coluna:

import pandas as pd
import numpy as np

df = pd.DataFrame({"a": ["one", "two"],
                   "b": ["three", "four"],
                   "c": [[1, 2], [3, 4]],
                   "d": [[5, 6], np.nan]})
um b c e
um três [1, 2] [5, 6]
dois quatro [3, 4] NaN

e eu quero que isso se torne

um b c e
um três [1, 2] [5, 6]
dois quatro [3, 4] [sem_valor, sem_valor]

tentei

df["d"] = np.where(df.d.isna(),
                   ['no_value' for element in df.c],
                   df.d)

e

df["d"] = np.where(df.d.isna(),
                   ['no_value'] * len(df.c),
                   df.d)

mas ambos não funcionam. Alguém tem uma ideia?

SOLUÇÃO: Ajustei um pouco a resposta de Paul para:

df[‘d‘] = np.where(df.d.isna(), 
                   pd.Series([['no_value'] * len(lst) for lst in df.c]), 
                   df.d))
python

2 respostas

  1. Best Answer

    Uma possível solução consiste em usar np.where.

    df.assign(d = np.where(
    df['d'].isna(), 
    pd.Series([['no_value'] * len(lst) for lst in df['c']]), 
    df['d']))

    Outra solução possível, que utiliza:

    • applyem df, iterando por cada linha com uma função lambda que verifica se o valor na coluna dé NaN.

    • Se a condição for atendida, a função gera uma nova lista preenchida com a string 'no_value'repetida para corresponder ao comprimento da lista na coluna c.

    • Se x['d']não atender a essas condições, o valor original x['d']será retido.

    df['d'] = df.apply(
    lambda x: ['no_value'] * len(x['c']) 
    if (x['d'] is np.nan) else x['d'], axis=1)

    Saída:

         a      b       c                     d
0  one  three  [1, 2]                [5, 6]
1  two   four  [3, 4]  [no_value, no_value]
    • 1

  2. Para usar, wheretemos que construir um nanarray de contenção correto, um que seja como df.d, com listas de tipos de objetos.

    In [317]: df1=df.copy();df1
Out[317]: 
     a      b       c       d
0  one  three  [1, 2]  [5, 6]
1  two   four  [3, 4]     NaN

    Para ter controle total, comece com um emptyarray de tipos de objetos e preencha-o.

    In [318]: x=np.empty(len(df.c), object)    
In [319]: x[:] = [[np.nan]*len(element) for element in df.c]; x
Out[319]: array([list([nan, nan]), list([nan, nan])], dtype=object)

    Este 2-step não seria necessário se as df.clistas variassem em comprimento. Agora whereé possível usar a [False, True]condição para escolher entre elementos dos 2 arrays de dtype de objeto.

    In [320]: df1.d = np.where(df.d.isna(), x, df.d)

In [321]: df1
Out[321]: 
     a      b       c           d
0  one  three  [1, 2]      [5, 6]
1  two   four  [3, 4]  [nan, nan]


In [326]: x = [[np.nan]*len(element) for element in df.c]; x
Out[326]: [[nan, nan], [nan, nan]]

    não funcionará porque é uma forma (2,2) e whereterá problemas para 'transmitir' isso com os outros termos ((2,) Série).

    Ou você pode inicializar xcomo

    x = df.c.copy()
    • 0

relate perguntas