将数据帧的某个百分比设置为NaN

Question

我想随机设置等于NaN的数据帧值，以获得一定百分比的NaN。 因此，从以下数据帧：

     name                       IS_030_EBITDA  IS_09_PostTaxResult
0    EISMA MEDIA GROEP B.V.     NaN            1292.0
1    EISMA MEDIA GROEP B.V.     2280.0         1324.0
2    DUNLOP B.V.                43433.0        1243392.0
3    DUNLOP B.V.                2243480.0      1324.0

我希望我的数据帧有25%的值等于NaN（下面的NaN只是一个示例，必须随机完成）：

     name                       IS_030_EBITDA  IS_09_PostTaxResult
0    EISMA MEDIA GROEP B.V.     NaN            1292.0
1    EISMA MEDIA GROEP B.V.     2280.0         1324.0
2    DUNLOP B.V.                43433.0        NaN
3    DUNLOP B.V.                2243480.0      1324.0

所以需要了解的是，我不希望将25%的行或列设置为NaN，我希望在最终的数据帧中有25%的值等于NaN

谢谢你的帮助

Answer 1

如果我理解正确，您希望均匀地选择25%的单元格。这意味着您不能先选择记录（这会扭曲分布）。以下解决方案适用于25%的电池：

df = pd.DataFrame({"a": range(10), "b": range(10, 20)})
total_cells = df.shape[0] * df.shape[1]

df = df.reset_index().melt(id_vars = "index")
df.loc[np.random.randint(0, total_cells, int(total_cells * .25)), "value"] = np.NaN
df.pivot(index = "index", columns = "variable")

结果:

         value      
variable     a     b
index               
0          0.0  10.0
1          1.0  11.0
2          2.0   NaN
3          NaN   NaN
4          4.0  14.0
5          5.0  15.0
6          6.0  16.0
7          7.0   NaN
8          8.0   NaN
9          9.0  19.0

Answer 2

你想做这样的事吗

# modified the data to make it read_clipboard friendly
'''
    name    IS_030_EBITDA   IS_09_PostTaxResult
0    EISMA_MEDIA_GROEP_B.V. NaN 1292.0
1    EISMA_MEDIA_GROEP_B.V. 2280.0  1324.0
2    DUNLOP_B.V.    43433.0 1243392.0
3    DUNLOP_B.V.    2243480.0   1324.0
'''

df = pd.read_clipboard()

print(df)

df_sample=df.sample(2) # refer to the 'Note' section below
df_sample[['IS_09_PostTaxResult', 'IS_030_EBITDA']]='NaN'
df.update(df_sample)

print(df)

df原件：

                     name  IS_030_EBITDA  IS_09_PostTaxResult
0  EISMA_MEDIA_GROEP_B.V.            NaN               1292.0
1  EISMA_MEDIA_GROEP_B.V.         2280.0               1324.0
2             DUNLOP_B.V.        43433.0            1243392.0
3             DUNLOP_B.V.      2243480.0               1324.0

df修改：

                     name IS_030_EBITDA IS_09_PostTaxResult
0  EISMA_MEDIA_GROEP_B.V.           NaN                 NaN
1  EISMA_MEDIA_GROEP_B.V.          2280                1324
2             DUNLOP_B.V.         43433         1.24339e+06
3             DUNLOP_B.V.           NaN                 NaN

注:

“df_样本=df.样本（2）”——>；您可以添加逻辑以选择总样本记录的25%，并替换值2。例如：

# 25% data in each column 
x=25.0
factor = int((len(df)*x)/100) # factor=1 in the example above

df_sample=df.sample(factor)