从两列中替换值 pandas 一个条件

Question

一定有一个我没有意识到的简单解决方案。我需要考虑数据框的两列以替换其中一列中的 NaN 值。对于这个集合，我得到了正确的答案，但是在替换 q2 的缺失值之前，我需要确保 q1 为 0 且 q2 为 NaN，而不仅仅是我在此处所做的 q1 为 0：

import pandas as pd
import numpy as np 
df = pd.DataFrame({'ID':[1,2,3,4,5,6], 'q1':[0,0,1,1,0,1], 'q2': [np.nan, np.nan, np.nan, 29, np.nan, 18]})
print df
  ID  q1  q2
0   1   0 NaN
1   2   0 NaN
2   3   1 NaN
3   4   1  29
4   5   0 NaN
5   6   1  18

df.loc[df.q1 ==0, 'q2']= 999
print df

ID  q1   q2
0   1   0  999
1   2   0  999
2   3   1  NaN
3   4   1   29
4   5   0  999
5   6   1   18

这个我试过了，但是没有考虑q2

df.loc[(df['q1'] == 0) & (df['q2']==np.nan), 'q2'] = 999

Answer 1

需要 isnull 进行检查 NaNs:

df.loc[(df['q1'] == 0) & (df['q2'].isnull()), 'q2'] = 999
print (df)
   ID  q1     q2
0   1   0  999.0
1   2   0  999.0
2   3   1    NaN
3   4   1   29.0
4   5   0  999.0
5   6   1   18.0

为了更好地测试一些值已更改：

 df = pd.DataFrame({'ID':[1,2,3,4,5,6], 
                  'q1':[0,0,1,1,0,1], 
                  'q2': [np.nan, 1.0, np.nan, 29, np.nan, 18]})

print (df)
   ID  q1    q2
0   1   0   NaN
1   2   0   1.0
2   3   1   NaN
3   4   1  29.0
4   5   0   NaN
5   6   1  18.0

df.loc[(df['q1'] == 0) & (df['q2'].isnull()), 'q2'] = 999
print (df)

   ID  q1     q2
0   1   0  999.0
1   2   0    1.0
2   3   1    NaN
3   4   1   29.0
4   5   0  999.0
5   6   1   18.0

mask or numpy.where的替代解决方案：

df['q2'] = df['q2'].mask((df['q1'] == 0) & (df['q2'].isnull()), 999)
print (df)
   ID  q1     q2
0   1   0  999.0
1   2   0    1.0
2   3   1    NaN
3   4   1   29.0
4   5   0  999.0
5   6   1   18.0

df['q2'] = np.where((df['q1'] == 0) & (df['q2'].isnull()), 999,df['q2'])
print (df)
   ID  q1     q2
0   1   0  999.0
1   2   0    1.0
2   3   1    NaN
3   4   1   29.0
4   5   0  999.0
5   6   1   18.0

从两列中替换值 pandas 一个条件

replace value pandas one contitions from two columns

python

indexing

conditional

dataframe

pandas