使用嵌套字典填充缺失值

Question

这是我的示例数据框：

df = pd.DataFrame(data=[[3, np.nan, np.nan],[5, np.nan, np.nan]], index=['country1', 'country2'], columns=[2021, 2022, 2023])

这是我的示例词典：

d = {'country1': {'key1': 'a', 'key2': 'assumed','key3': {2022: '10', 2023: ' 20'}}, 'country2': {'key1': 'b', 'key2': 'assumed', 'key3': {2022: '30', 2023: ' 40'}}}

我的目标是使用字典 d 来替换数据框 df 中的缺失值。我以为我会使用类似的东西：

df.fillna(d2)

其中 d2 是基于字典 d:

的字典

d2 = {'country1': {2022: '10', 2023: ' 20'}, 'country2': {2022: '30', 2023: ' 40'}}

我不知道如何生成 d2，但无论如何都行不通。

结果如下所示：

pd.DataFrame(data=[[3, 10, 20],[5, 30, 40]], index=['country1', 'country2'], columns=[2021, 2022, 2023])

Answer 1

而不是使用 df.fillna(d2)，看起来最好的实现方式如下：

for country,country_dict in d.items():
    for year,value in country_dict['key3'].items():
        df.loc[country,year] = value

Answer 2

我们仍然可以使用 fillna 但在此之前我们必须 normalize/transform 字典格式适合 fillna

df.T.fillna({k: v['key3'] for k, v in d.items()}).T

结果

         2021 2022 2023
country1  3.0   10   20
country2  5.0   30   40

使用嵌套字典填充缺失值

Fill missing values using a nested dictionary

python

pandas

dictionary

fillna