不使用iloc正确更新行吗？

Question

我正在尝试编写一个脚本，它将根据列重复（“email”）遍历df，并将信息从旧的行更新到最近的行（column=“Created on”）。最近一行中的一些数据是NaN，因此当该行不是NaN时，该数据需要由较旧的行更新。我的数据集非常大，有很多列。我已按正确顺序排列了列表：

crm_dupes_s = dupes_df.sort_values(["Email", "Created On"], ascending=False)
crm_dupes_s.head(25)

然后确保正确读取NaN值：

crm_dupes_nan = crm_dupes_s.replace('nan', np.NaN)
crm_dupes_nan.isna()

  Full Name First Name  Middle Name Last Name   Status   Email   Created On 
0 False     False       True        True        False    False   False
1 False     False       True        False       False    False   False

列出了用于以后循环迭代的列，但由于这些值未更新，因此删除了电子邮件：

cols_to_change = list(crm_dupes_nan.columns)
cols_to_change.remove('Email')
cols_to_change

[' Full Name',
 'First Name',
 'Middle Name',
 'Last Name',
 'Status',
 'Created On']

最后是我的for循环：

#Iterates through all rows

for i in range(0, crm_dupes_nan.shape[0]):

#If there is a value for Email

    if not pd.isna(crm_dupes_nan.iloc[i-1, :]['Email']): 

#If the row Email values are the same "duplicates" then execute cell value change

        if crm_dupes_nan.iloc[i-1, :]['Email'] == crm_dupes_nan.iloc[i, :]['Email']:  
            for col in cols_to_change:
                if not pd.isna(crm_dupes_nan.iloc[i-1, :][col]):
                    crm_dupes_nan.iloc[i-1, :][col] = crm_dupes_nan.iloc[i, :][col]

我知道前3行正确地识别了重复项，但是“iloc”函数没有改变NaN值？？我试过“iat”、“set\u value”、“replace”和“where”，都遇到了各种各样的问题。在我的印象中，“iloc”是任务和表现的首选方法。任何帮助都将不胜感激！！！你知道吗

Full Name   First Name  Middle Name Last Name   Status  Email   Account Numbers Primary Account Number  Business Phone  Home Phone
0   Zac Daniels  Zac    NaN   Hopkins  Active   zdaniels@gmail.com   NaN            3452432.0    NaN    NaN
1   Zac Daniels  Zac    NaN   Hopkins  Active   zdaniels@gmail.com 13254512.0   4564534.0    (949) 803-8033   (817) 817-9177    
2   Zach Fred    Zach   NaN   Wilbern  Active   zFredericks@miami.com 45632532.0    12342313.0   (313) 313-3133   (313) 313-3133

Answer 1

很难更改数据帧的单个值，我怀疑这是开发人员故意的。pandas的重点是高效地处理表格数据，而不必遍历行和列。当您使用crm_dupes_nan.iloc[i-1, :][col]来子集时，您得到的变量不再绑定到dataframe，因此为其赋值将不起作用。你知道吗

我想你应该看看pd.groupby公司要收集您的电子邮件组，请使用您想要填写的数据形成一个更新程序数据框，然后使用pd.合并或者也许pd.更新用更新程序值替换crm\u dupes中的nan值。细节留给读者作为练习。：-）