如何有效地将NaN放入Pandas Dataframe？

Question

我有一个df，其中包含分类和数字数据

df = {'Name':['Tom', 'nick', 'krish', 'jack'], 
       'Address':['Oxford', 'Cambridge', 'Xianjiang', 'Wuhan'], 
       'Age':[20, 21, 19, 18], 
       'Weight':[50, 61, 69, 78]} 
df = pd.DataFrame(df) 

我需要将每列中的50％随机替换为NaN，所以结果可能看起来像这张图片

如何使用最高效的技术来做到这一点，因为我有大量的行和列，并且我将重复很多次。

Answer 1

与apply一起使用sample

sample

Answer 2

如何使用最高效的技术来做到这一点，因为我有大量的行和列，并且我将重复很多次。

我认为您需要

df_final =  df.apply(lambda x: x.sample(frac=0.5)).reindex(df.index)

Out[175]:
    Name    Address   Age  Weight
0    Tom        NaN   NaN    50.0
1    NaN        NaN   NaN    61.0
2  krish  Xianjiang  19.0     NaN
3    NaN      Wuhan  18.0     NaN

，想法是创建随机数组，添加numpy并按一半长度进行比较，最后通过np.argsort设置NaN s：

DataFrame.mask

Performance：

DataFrame.mask

Answer 3

可以通过在元组范围内取随机数并对其进行循环，然后将其视为要用NaaN替换的索引来完成

示例：如果你有10个元组从随机数生成器设置范围到0到9以及并将以上操作的结果作为索引替换为NaN