Les Pandas ne fillna() à la place

Je suis en train de remplir le NAs avec "" sur 4 colonnes spécifiques dans un bloc de données qui sont de la chaîne/types d'objet. Je peux attribuer ces colonnes à une nouvelle variable que je fillna(), mais quand je fillna() place les données sous-jacentes ne change pas.

a_n6 = a_n6[["PROV LAST", "PROV FIRST", "PROV MID", "SPEC NM"]].fillna("")
a_n6

me donne:

<class 'pandas.core.frame.DataFrame'>
Int64Index: 1542 entries, 0 to 3611
Data columns (total 4 columns):
PROV LAST     1542  non-null values
PROV FIRST    1542  non-null values
PROV MID      1542  non-null values
SPEC NM       1542  non-null values
dtypes: object(4)

mais

a_n6[["PROV LAST", "PROV FIRST", "PROV MID", "SPEC NM"]].fillna("", inplace=True)
a_n6

me donne:

<class 'pandas.core.frame.DataFrame'>
Int64Index: 1542 entries, 0 to 3611
Data columns (total 7 columns):
NPI           1103  non-null values
PIN           1542  non-null values
PROV FIRST    1541  non-null values
PROV LAST     1542  non-null values
PROV MID      1316  non-null values
SPEC NM       1541  non-null values
flag          439  non-null values
dtypes: float64(2), int64(1), object(4)

C'est seulement une ligne, mais toujours frustrant. Ce que je fais mal?

J'ai aussi rencontré quelques fonctions où inplace=True semble être ignoré. Alors que ce n'est pas le problème dans votre cas, il est bon de garder à l'esprit lors de la résolution.

OriginalL'auteur Beau Bristow | 2014-02-24

  1. 16

    Utiliser un dict comme le value argument fillna()

    Comme mentionné dans le commentaire de @rhkarls sur @Jeff réponse, à l'aide de .loc indexées à une liste de colonnes ne prend pas en charge inplace opérations, que moi aussi j'ai trouver frustrant. Voici une solution de contournement.

    Exemple: 

    import pandas as pd
import numpy as np

df = pd.DataFrame({'a':[1,2,3,4,np.nan],
                   'b':[6,7,8,np.nan,np.nan],
                   'x':[11,12,13,np.nan,np.nan],
                   'y':[16,np.nan,np.nan,19,np.nan]})
print(df)
#     a    b     x     y
#0  1.0  6.0  11.0  16.0
#1  2.0  7.0  12.0   NaN
#2  3.0  8.0  13.0   NaN
#3  4.0  NaN   NaN  19.0
#4  NaN  NaN   NaN   NaN

    Disons que nous voulons fillna pour x et y seulement, pas a et b.

    Je m'attends à l'aide de .loc de travail (comme dans une cession), mais il n'a pas, comme mentionné plus tôt:

    # doesn't work
df.loc[:,['x','y']].fillna(0, inplace=True)
print(df) # nothing changed

    Cependant, la la documentation dit que le value argument fillna() peut être:

    tour à tour, dict/Série/DataFrame de valeurs spécifiant la valeur à utiliser pour chaque indice (pour une Série) ou colonne (pour un DataFrame). (les valeurs ne sont pas dans le dict/Série/DataFrame ne seront pas remplis).

    Il s'avère que l'utilisation d'un dict des valeurs de travail:

    # works
df.fillna({'x':0, 'y':0}, inplace=True)
print(df)
#     a    b     x     y
#0  1.0  6.0  11.0  16.0
#1  2.0  7.0  12.0   0.0
#2  3.0  8.0  13.0   0.0
#3  4.0  NaN   0.0  19.0
#4  NaN  NaN   0.0   0.0

    Aussi, si vous avez un grand nombre de colonnes dans votre sous-ensemble, vous pouvez utiliser un dict compréhension, comme dans:

    df.fillna({x:0 for x in ['x','y']}, inplace=True) # also works

    OriginalL'auteur C8H10N4O2

  2. 7

    vous de les remplir d'une copie (que vous ne pouvez pas voir)

    :

    voici une explication plus approfondie
    Pandas: Enchaîné les affectations

    J'ai pensé à la place de l'argument était censé l'empêcher de remplir une copie. Quel est le point de la inplace arg si elle ne change pas le comportement de la fonction?
    Alors, pourquoi est-inplace même permis de fillna()?
    En place ne fonctionne pas si vous utilisez .loc. En place ne devraient pas travailler si vous travaillez sur une copie. Voir les liens que Jeff inclus. Il ne fonctionnera pas pour une liste de champs (par exemple, df.loc[:,[liste de champs]]), mais il faudra travailler sur une tranche ou d'un champ unique. Voir aussi github.com/pandas-dev/pandas/issues/11984 pour plus de détails sur cette.
    J'ai juste couru fillna sur un 20 go dataset, avec les place et les ai pas mis en place d'erreur. Je ne vois pas de coup de gueule à propos de "pas de gain de performance'. Je n'ai pas un autre de 20 go de mémoire pour avoir un temp de copie. Place serait très bénéfique.

    OriginalL'auteur Jeff