如何根据 Pandas 中另一列的值来填充一列缺失值？

Question

我的数据框如下所示：

import numpy as np
import pandas as pd
d = {'col1': [np.nan, 19, 32, np.nan, 54, 67], 'col2': [0, 1, 0, 1, 1, 1]}
df = pd.DataFrame(d)

我想根据 "col2" 的值填充 "col1" 中的缺失值。具体来说：如果 "col2" 为 0，我想用 0 填充 "col1" 中的缺失值，否则保持 "col1" 不变。在这种情况下，我的输出应该如下所示：

d_updated = {'col1': [0, 19, 32, np.nan, 54, 67], 'col2': [0, 1, 0, 1, 1, 1]}
df_updated = pd.DataFrame(d_updated)

为了获得上述输出，我尝试获取 "col2" 的值等于 0 的索引并使用 fillna():

ix = list(df[df["col2"] == 0].index)
df["col2"].loc[ix].fillna(0, inplace = True)

但是，我的方法不起作用，我也不知道为什么。先谢谢了。

Answer 1

尝试使用 loc 和布尔索引：

df.loc[(df['col1'].isna()) & (df['col2'] == 0), 'col1'] = df['col2']

输出：

   col1  col2
0   0.0     0
1  19.0     1
2  32.0     0
3   NaN     1
4  54.0     1
5  67.0     1

Answer 2

m=(df.col2==0 )&(df.col1.isna())#boolean select using loc

那么以下任意一项都可以

df.loc[m,'col1']=df.loc[m,'col1'].fillna(0, inplace=True)

or
df.loc[m,'col1'] = df.loc[m,'col1'].replace('nan', np.nan).fillna(0)

How to fill one column's missing values conditioning on another column's value in Pandas?