Python получить координату с парой нанов - PullRequest
Новая
       6

Python получить координату с парой нанов

0 голосов
/ 27 февраля 2019

У меня есть такой кадр данных 

>>df1 = pd.DataFrame({
          'A': ['1', '2', '3', '4', '5'],
          'B': ['1', '1', '1', '1', '1'],
          'C': ['c', 'A1', NaN, 'c3', Nan],
          'D': ['d0', 'B1', 'B2', Nan, 'B4'],
          'E': ['A', Nan, 'S', Nan, 'S'],
          'F': ['3', '4', '5', '6', '7'],
          'G': ['2', '2', NaN, '2', '2']
        })
>>df1

    A   B     C     D     E   F     G
0   1   1     c    d0     A   3     2
1   2   1    A1    B1   NaN   4     2
2   3   1   NaN    B2     S   5   NaN
3   4   1    c3   NaN   NaN   6     2
4   5   1   NaN    B4     S   7     2

, и я хотел бы получить координаты всех nans.вот что должно быть: 

[[1,"E"], [2,"C"] , [2,"G"] , [3,"D"] ,[3,"E"] , [4,"C"] ]

Все остальные вопросы, на которые я смотрел, просто хотят имя столбца, а не пары.

Есть ли эффективный способ решения этой проблемы?Спасибо

Ответы [ 3 ]

0 голосов
/ 27 февраля 2019

Попробуйте использовать np.where : 

df = pd.DataFrame({'A': ['1', '2', '3', '4','5'],
          'B': ['1', '1', '1', '1','1'],
          'C': ['c', 'A1', np.nan, 'c3',np.nan],
          'D': ['d0', 'B1', 'B2', np.nan,'B4'],
          'E': ['A', np.nan, 'S', np.nan,'S'],
          'F': ['3', '4', '5', '6','7'],
          'G': ['2', '2', np.nan, '2','2']})

arr = np.where(df.isna())
arr
(array([1, 2, 2, 3, 3, 4], dtype=int64),
 array([4, 2, 6, 3, 4, 2], dtype=int64))

np.where возвращает индексы, где данное условие истинно, здесь, где df равно нулю. 

[(x, df.columns[y]) for x, y in zip(arr[0], arr[1])]

[(1, 'E'), (2, 'C'), (2, 'G'), (3, 'D'), (3, 'E'), (4, 'C')]
0 голосов
/ 27 февраля 2019

Вы можете использовать np.argwhere с pd.isna , например: 

result = [[r, df1.columns[c]] for r, c in np.argwhere(pd.isna(df1).values)]
print(result)

Вывод 

[[1, 'E'], [2, 'C'], [2, 'G'], [3, 'D'], [3, 'E'], [4, 'C']]
0 голосов
/ 27 февраля 2019

Используйте stack со значениями индекса фильтра по пропущенным значениям: 

s = df1.stack(dropna=False)
L = [list(x) for x in s.index[s.isna()]]
print (L)
[[1, 'E'], [2, 'C'], [2, 'G'], [3, 'D'], [3, 'E'], [4, 'C']]
...