如果在任何其他列中都有对应的NaN，如何非迭代地将NaN放置在DataFrame列中？

Question

给定一个3列数据帧，df：

    a    b      c
0 NaN    a   True
1   1    b   True
2   2    c  False
3   3  NaN  False
4   4    e   True

[5 rows x 3 columns]

对于任何其他colunn中存在NaN的每一行，我想在c列中放置一个NaN。我目前的做法如下：

for col in df:
    df['c'][pd.np.isnan(df[col])] = pd.np.nan

我强烈怀疑有一种方法可以通过逻辑索引来实现这一点，而不是像我目前所做的那样遍历列。你知道吗

这怎么可能呢？你知道吗

谢谢你！你知道吗

Answer 1

df.c[df.ix[:, :'c'].apply(lambda r: any(r.isnull()), axis=1)] = np.nan

请注意，您可能需要将列c的类型更改为float，否则将出现无法将nan分配给integer列的错误。你知道吗

Answer 2

筛选并选择具有NaN的行作为“a”或“b”，并将“c”分配给NaN：

In [18]:

df.ix[pd.isnull(df.a) | pd.isnull(df.b),'c'] = NaN

In [19]:

df

Out[19]:

    a    b   c
0 NaN    a NaN
1   1    b   1
2   2    c   0
3   3    d   0
4   4  NaN NaN

[5 rows x 3 columns]

Answer 3

如果你不关心bool/float问题，我建议：

>>> df.loc[df.isnull().any(axis=1), "c"] = np.nan
>>> df
    a    b   c
0 NaN    a NaN
1   1    b   1
2   2    c   0
3   3  NaN NaN
4   4    e   1

[5 rows x 3 columns]

如果你真的这样做了，那么从你的框架df开始你可以：

>>> df["c"] = df["c"].astype(object)
>>> df.loc[df.isnull().any(axis=1), "c"] = np.nan
>>> df
    a    b      c
0 NaN    a    NaN
1   1    b   True
2   2    c  False
3   3  NaN    NaN
4   4    e   True

[5 rows x 3 columns]