单独替换pandas.dataframe中的NaN

Question

我有一个900 x 7数据框，其中3个字段包含一些NaN值。

我没有简单地用某些特征平均值来替换这些值，而是创建了一个函数来使用算法根据该行中的其他值估计每个NaN的可能值。

如何迭代每个NaN以使用我的自定义函数更改其值？

我的函数将行ID，其他功能名称和包含NaN的功能作为参数。

E.g.

custom_fillnan(id=0, ins=["val0", "val1", "val2"], out="valn") 

实例数据框：

ID val0 val1 val2 ... valn 
0  1  2  3  ... NaN 
1  1  NaN  3  ...  4 
2  0  0  NaN  ...  1 
... 

Answer 1

IIUC你可以使用apply与axis=1和fillna与您的自定义功能：

In [80]: df 
Out[80]: 
    ID val0 val1 val2 valn 
0 0  1  2  3 NaN 
1 1  1 NaN  3  4 
2 2  0  0 NaN  1 


In [83]: df.apply(lambda x: x.fillna(pd.np.mean(x.iloc[1:])), axis=1) 
Out[83]: 
    ID val0  val1  val2 valn 
0 0  1 2.000000 3.000000  2 
1 1  1 2.666667 3.000000  4 
2 2  0 0.000000 0.333333  1 

相反的pd.np.mean你可以使用你的函数。使用x.iloc[1:]是因为，据我所知，您只想为您的函数使用val列。

编辑

如果你想获得列名的遗漏值，你可以应用或使用该函数进行处理：

def func(x): 
    x.loc[x.isnull()] = x.index[x.isnull()] 
    return x 

In [209]: df.apply(func, axis=1) 
Out[209]: 
    ID val0 val1 val2 valn 
0 0  1  2  3 valn 
1 1  1 val1  3  4 
2 2  0  0 val2  1