如果我有一个pandas数据帧df1定义为:
df1 = pd.DataFrame({'a': [ 1, 2], 'b': [3, 4]})
并且数据帧df2具有相同的大小,相同的列名和索引但具有NA值,在某处,两者都有
方法A:
nan_locations = np.where(df2.isnull())
df1.values[nan_locations] = np.nan
方法B:
df1[df2.isnull()] = np.nan
用来自df2中相同位置的NA来覆盖df1中的值.但是,如果我对从Excel文件中读取的数据帧执行相同操作,则方法A并不总是有效.可以请,有人解释我为什么会这样?
最佳答案 这可能与第一个DataFrame的dtypes有关,其值需要被覆盖.当DataFrame是混合dtypes时,values属性返回一个带有uptype dtype( doc)的ndarray,它似乎是一个副本.因此,对该副本的分配将丢失.
下面是一个“简单”DataFrame的示例,其中方法A和B都有效:
df1 = pd.DataFrame({'a': [1.0, 2.0], 'b': [3.0, 4.0]})
df2 = pd.DataFrame({'a': [1.0, 2.0], 'b': [np.nan, 4.0]})
另一方面,这个看似相似的DataFrame仅适用于方法B:
df1 = pd.DataFrame({'a': [1, 2], 'b': [3.0, 4.0]})
df2 = pd.DataFrame({'a': [1, 2], 'b': [np.nan, 4.0]})
因为df1的dtypes是:
a int64
b float64
因此,可能是Excel文件中的数据导致具有混合dtypes的DataFrame.使用适当的索引器来更新内容应优先于直接操作低级值表示.