Как заполнить пропущенные значения с помощью панд？

Question

Я пытаюсь заполнить пропущенные значения другим массивом, который предсказывается регрессором. Я не знаю, как заменить отсутствующие значения соответствующими значениями в этом массиве.

Например, у меня есть:

[0, 1, 2, NaN, NaN] 

и

[0, 0, 1, 2, 3]

Как я могу заменить эти NaN на 2 и 3? Кажется, что Филлна не может этого сделать.

Извините, что задал неоднозначный вопрос.

Answer 1

Предположим, есть 2 массива:

arr1 = pd.DataFrame([0, 1, 2, np.NaN, np.NaN])
arr2 = pd.DataFrame([0, 0, 1, 2, 3])

Вы можете заменить NaN из arr1 на соответствующий элемент arr2 через fillna:

arr1.fillna(arr2, inplace=True)

Это результат после выполнения fillna:

arr1 = [0, 1, 2, 2, 3]

Answer 2

Сначала вы должны четко определить значение пропущенных значений (NaN, строка, целое число и даже 0 могут быть представлены как пропущенное значение в зависимости от вашего набора данных)

Самый простой способ сделать это, если у вас есть значение NaN, будет следующим: вы всегда можете преобразовать отсутствующее значение в nan, используя также replace.

# let df be your dataframe and x be the value you want to fill it with
df.fillna(x)

Второй способ - вменение значений с использованием библиотеки из sklearn. Я добавил простой код для использования функции вменения, предполагая, что ваши пропущенные значения равны 'NaN', а метод, которым вы хотите заполнить данные, - это среднее значение столбца.

from sklearn.impute import SimpleImputer
df = SimpleImputer(missing_value = np.nan, strategy = 'mean').fit_transform(df)

Вы можете изменить стратегию на другой метод, такой как среднее значение столбца, медиана или столбец. Все зависит от того, какая работа лучше для вас