使用 np.where 创建元素数量相同但内容不同的列表

Question

我有一个 pandas 数据框，其中的值有时会变为 NA。我想用与另一列长度相同的字符串列表填充此列：

import pandas as pd
import numpy as np

df = pd.DataFrame({"a": ["one", "two"],
                   "b": ["three", "four"],
                   "c": [[1, 2], [3, 4]],
                   "d": [[5, 6], np.nan]})

a	b	c	d
一个	三	[1, 2]	[5, 6]
两个	福	[3, 4]	NaN

我希望这成为

a	b	c	d
一个	三	[1, 2]	[5, 6]
两个	福	[3, 4]	[无值，无值]

df["d"] = np.where(df.d.isna(),
                   [np.nan for element in df.c],
                   df.d) # this doesn't work

我试过了

df["d"] = np.where(df.d.isna(),
                   ['no_value' for element in df.c],
                   df.d)

和

df["d"] = np.where(df.d.isna(),
                   ['no_value'] * len(df.c),
                   df.d)

但是两者都不起作用。有人有想法吗？

Answer 1

一个可能的解决方案是使用

np.where

。

df.assign(d = np.where(
    df['d'].isna(), 
    pd.Series([['no_value'] * len(lst) for lst in df['c']]), 
    df['d']))

---

另一种可能的解决方案，它使用：

• apply

  在

  df

  上，使用 lambda 函数迭代每一行，检查列

  d

  中的值是否为

  NaN

  。

• 如果满足条件，该函数会生成一个新列表，其中填充字符串

  'no_value'

  ，并重复以匹配列

  c

  中列表的长度。

• 如果

  x['d']

  不满足这些条件，则保留

  x['d']

  中的原始值。

df['d'] = df.apply(
    lambda x: ['no_value'] * len(x['c']) 
    if (x['d'] is np.nan) else x['d'], axis=1)

---

输出：

     a      b       c                     d
0  one  three  [1, 2]                [5, 6]
1  two   four  [3, 4]  [no_value, no_value]

Answer 2

要使用

where

，我们必须构造一个正确的

nan

包含数组，类似于

df.d

，具有对象数据类型列表。

In [317]: df1=df.copy();df1
Out[317]: 
     a      b       c       d
0  one  three  [1, 2]  [5, 6]
1  two   four  [3, 4]     NaN

要完全控制，请从

empty

对象数据类型数组开始，然后填充它。

In [318]: x=np.empty(len(df.c), object)    
In [319]: x[:] = [[np.nan]*len(element) for element in df.c]; x
Out[319]: array([list([nan, nan]), list([nan, nan])], dtype=object)

如果

df.c

列表的长度不同，则不需要这两个步骤。 现在

where

可以使用

[False, True]

条件在 2 个对象数据类型数组的元素之间进行选择。

In [320]: df1.d = np.where(df.d.isna(), x, df.d)

In [321]: df1
Out[321]: 
     a      b       c           d
0  one  three  [1, 2]      [5, 6]
1  two   four  [3, 4]  [nan, nan]


In [326]: x = [[np.nan]*len(element) for element in df.c]; x
Out[326]: [[nan, nan], [nan, nan]]

不行，因为它是 (2,2) 形状，并且

where

在使用其他项（(2,) 系列）“广播”该形状时会遇到问题。

或者你可以将

x

初始化为

x = df.c.copy()