Как вписать значения в столбец, когда в других столбцах выполняются определенные условия, используя fillna()

Question

Как вписать значения в столбец, когда в других столбцах выполняются определенные условия, используя fillna()

Я рассчитал количество, когда credit_history имеет значения NaN.

Вывод, когда Credit_History равен NaN:

Self_Employed
Yes  532
No   32

Married
No   398
Yes  21

И для числовых значений я рассчитал среднее значение для всех столбцов

вывод для нечисловых значений, когда Credit_History равен NaN:

Mean Applicant Income: 54003.1232
LoanAmount: 35435.12
Loan_Amount_Term: 360
ApplicantIncome: 30000

Как мне теперь использовать fillna() в этих случаях:

Случай 1: когда Self_Employed = Y и замужем = N; Credit_History должен быть 0

Случай 2: когда Self_Employed = N и ApplicantIncome > 20000; Credit_History должен быть 1

Случай 3: Когда Self_Employed = Y, Женат = N и ApplicantIncome > 2000; Credit_History должен быть 1

Кроме того, когда использование fillna() не так очевидно для определенных условий, можем ли мы использовать сводную таблицу для вычисления медианных значений, а затем рассчитать их с помощью fillna()?

Заранее спасибо.

1

python pandas data-science ipython

Источник

user9427211 03 мар '18 в 19:22

1 ответ

Другие вопросы по тегам python pandas data-science ipython

user2901002 03 мар '18 в 19:25 2018-03-03 19:25 · Answer 1 · 2018-03-03 19:25

Использование numpy.select и если все условия False, выход определяется параметром default:

from  itertools import  product
c = ['Self_Employed','Married','ApplicantIncome']
df =  pd.DataFrame(list(product(list('NY'), list('NY'), [10000, 30000])), 
                   columns=c)


m1 = (df.Self_Employed == 'Y') & (df.Married == 'N')
m2 = (df.Self_Employed == 'N') & (df.ApplicantIncome > 20000)
m3 = m1 & (df.ApplicantIncome > 20000)

df['Credit_History'] = np.select([m1, m2, m3], [0,1,1], default=2)
print (df)
  Self_Employed Married  ApplicantIncome  Credit_History
0             N       N            10000               2
1             N       N            30000               1
2             N       Y            10000               2
3             N       Y            30000               1
4             Y       N            10000               0
5             Y       N            30000               0
6             Y       Y            10000               2
7             Y       Y            30000               2

Но если хотите заменить условиями добавьте fillna:

c = ['Self_Employed','Married','ApplicantIncome']
df =  pd.DataFrame(list(product(list('NY'), list('NY'), [10000, 30000])), 
                   columns=c).assign(Credit_History=[np.nan,1,0, np.nan] *2)
print (df)
  Self_Employed Married  ApplicantIncome  Credit_History
0             N       N            10000             NaN
1             N       N            30000             1.0
2             N       Y            10000             0.0
3             N       Y            30000             NaN
4             Y       N            10000             NaN
5             Y       N            30000             1.0
6             Y       Y            10000             0.0
7             Y       Y            30000             NaN

m1 = (df.Self_Employed == 'Y') & (df.Married == 'N')
m2 = (df.Self_Employed == 'N') & (df.ApplicantIncome > 20000)
m3 = m1 & (df.ApplicantIncome > 20000)

s = pd.Series(np.select([m1, m2, m3], [0,1,1], default=2), index=df.index)
df['Credit_History'] = df['Credit_History'].fillna(s)
print (df)
  Self_Employed Married  ApplicantIncome  Credit_History
0             N       N            10000             2.0
1             N       N            30000             1.0
2             N       Y            10000             0.0
3             N       Y            30000             1.0
4             Y       N            10000             0.0
5             Y       N            30000             1.0
6             Y       Y            10000             0.0
7             Y       Y            30000             2.0