缺失值的推算和除法

Question

想象一个如下的数据集：

df =pd.DataFrame({‘联系人6M':4,7,20,5,6,0,1,19，’联系人3M':2,3,9，np.nan，np.nan,0，np.nan,9})

​

​

可以想象：“contacts 6M”列是最近6个月的联系人数，另一列是最近3个月的联系人数信息。因此，“联系人3M”包括另一列的部分信息。

我使用forward fill方法来计算缺少的值：

轴(df.ffill= 1，inplace=True)

我的问题是:在对数据集进行迭代时，如何将输入值除以2并对输入值进行舍入(请不要使用浮点数)？

Answer 1

通过这种方式可以很容易地完成：

df.iloc[df[df['Contacts 3M'].isna()].index,1]=df[df['Contacts 3M'].isna()]['Contacts 6M']/2

df['Contacts 3M']=df['Contacts 3M'].astype('int')

Answer 2

您可以跟踪np.nan所在的索引，然后使用它进行任何您想要的算术运算-

import pandas as pd
import numpy as np

df = pd.DataFrame({'Contacts 6M': [4, 7, 20, 5, 6, 0, 1, 19], 'Contacts 3M': [2, 3, 9, np.nan, np.nan, 0, np.nan, 9]}, dtype=np.int)
mask = df['Contacts 3M'].isna()

df = df.ffill(axis=1)  # for some weird reason, inplace=True was throwing 'NotImplementedError'
df['Contacts 3M'][mask] //= 2

print(df)

输出

   Contacts 6M  Contacts 3M
0            4            2
1            7            3
2           20            9
3            5            2
4            6            3
5            0            0
6            1            0
7           19            9