如何在不丢失索引的情况下转换 pandas 中的数据框？

Question

我需要对 12 列数据框中的两列进行缩尾处理。

比如说，我有列 'A'、'B'、'C' 和 'D'，每个列都有一系列值。鉴于我清理了一些 NaN 列，列数从 100 减少到 80，但它们仍然被索引为 100，但有间隙（例如，第 5 行丢失）。

我只想通过 winsorize 方法转换列 'A' 和 'B'。为此，我必须将我的列转换为 np.array.

import scipy.stats
df['A','B','C','D'] = #some values per each column
ab_df = df['A','B']
X = scipy.stats.mstats.winsorize(ab_df.values, limits=0.01)
new_ab_df = pd.DataFrame(X, columns = ['A','B'])
df = pd.concat([df['C','D'], new_ab_df], axis=1, join='inner', join_axes=[df.index])

当我转换为 np.array，然后返回 pd.DataFrame 时，len() 在 80 处是正确的，但我的索引已重置为 0->80。如何确保我的转换 'A' 和 'B' 列被正确索引？我不认为我可以使用 apply()，它会保留索引顺序并简单地换出值而不是我的方法，它创建一个只有 2 列的 df 的转换副本，然后将它们连接到我的其余部分未转换的列。

Answer 1

您可以对原始数据框执行此操作。

从你的问题描述来看，你似乎混淆了行和列（即你首先说你的数据框有 12 列，然后说列数从 100 减少到 80）。

最好在您的问题中提供最少的数据示例。缺少这个，这里是一些基于我的假设的数据：

import numpy as np
import scipy.stats
import pandas as pd

np.random.seed(0)
df = pd.DataFrame(np.random.randn(7, 5), columns=list('ABCDE'))
df.iat[1, 0] = np.nan
df.iat[3, 1] = np.nan
df.iat[5, 2] = np.nan

>>> df
          A         B         C         D         E
0  1.764052  0.400157  0.978738  2.240893  1.867558
1       NaN  0.950088 -0.151357 -0.103219  0.410599
2  0.144044  1.454274  0.761038  0.121675  0.443863
3  0.333674       NaN -0.205158  0.313068 -0.854096
4 -2.552990  0.653619  0.864436 -0.742165  2.269755
5 -1.454366  0.045759       NaN  1.532779  1.469359
6  0.154947  0.378163 -0.887786 -1.980796 -0.347912

我的假设是删除任何包含 NaN 的行，然后进行 winsorize。

mask = df.notnull().all(axis=1), ['A', 'B']
df.loc[mask] = scipy.stats.mstats.winsorize(df.loc[mask].values, limits=0.4)

我对 winsorize 函数应用了上限，以便在这个小数据集上的结果更加明显。

>>> df
          A         B         C         D         E
0  0.400157  0.400157  0.978738  2.240893  1.867558
1       NaN  0.950088 -0.151357 -0.103219  0.410599
2  0.378163  0.400157  0.761038  0.121675  0.443863
3  0.333674       NaN -0.205158  0.313068 -0.854096
4  0.378163  0.400157  0.864436 -0.742165  2.269755
5 -1.454366  0.045759       NaN  1.532779  1.469359
6  0.378163  0.378163 -0.887786 -1.980796 -0.347912

Answer 2

只需将新值分配给现有列即可。

X = scipy.stats.mstats.winsorize(ab_df.values, limits=0.01)
df.loc[:, ['A', 'B']] = X

如何在不丢失索引的情况下转换 pandas 中的数据框？

How can I transform a dataframe in pandas without losing my index?

python

scipy

pandas

data-cleaning