在进行Titanic幸存者预测的过程中，数据预处理涉及到空值填充。我的想法是以Pclass分组，为Age的空值填充随机值x~ U(mean-σ,mean+σ)
开始是参考其他文章的做法，但情况不一样，那篇文章并没有分组赋值，由于不涉及分组，所以对dataframe赋值时是一整列进行赋值的，而这是pandas官方建议的赋值方法之一
import pandas as pd
import numpy as np
train_data = pd.read_csv('data/train.csv')
for pclass in train_data.Pclass.unique():
class_age = train_data['Age'][train_data.Pclass == pclass]
age_null = class_age.isnull().sum()
mean = class_age.mean()
std = class_age.std()
randage = np.random.randint(mean - std, mean + std, size=age_null)
age_slice = class_age.copy()
age_slice[np.isnan(age_slice)] = randage
train_data['Age'][train_data.Pclass == pclass] = age_slice
在for循环的最后一行
train_data['Age'][train_data.Pclass == pclass] = age_slice
等号左边由于有[train_data.Pclass == pclass]，因此是一个Dataframe的切片(slice)，对一个切片赋值会有如下警告，当然这种赋值是可以完成的，但我想要使用官方推荐的方法来完成
SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame
1.取值赋值
Dataframe取值赋值有多种方法，但我认为可以分为两类
第一类：使用方括号[]
df.B
df[B]
df.B[df.A>4]
df.B[df.A>4][df.B.isnull()]
第二类：使用函数.loc()/.iloc()（本文不讨论两者区别）
df.iloc[2,2]
df.loc['一','B']
df.loc[:,"年龄"]
2. .loc()
pandas官方的建议是使用.loc()来完成。
.loc()可以读取指定位置的值，也可以对指定位置进行赋值
.loc()的第一个参数(index)指定行，第二个参数(columns)指定列，而且使用：取多行/列时，是”前闭后闭”，也就是：两边都能取到
但我希望的是为行添加多个条件
这是能办到的，如下
mask = (df.A==a)&(df.b>20)&(df.c.isnull())
df.loc[mask,'d']
注意各条件使用()括起来，如果条件简单，不使用mask也是可行的，如
df.d.loc[(df.d>20)&(df.d30)]
那么我的原代码，在for循环的最后三行改为以下代码即可
mask = (train_data.Pclass == pclass) & (train_data.Age.isnull())
train_data.loc[mask, 'Age'] = randage
Original: https://blog.csdn.net/Je_san/article/details/121209893
Author: Je_san
Title: [Pandas]Dataframe赋值
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/739333/
转载文章受原作者版权保护。转载请注明原作者出处！