当查找值不存在或为 null 时 pandas 查找的默认值

Question

我有一个如下所示的数据框：

       parent region
estid               
1         NaN      A
2         NaN      B
3         1.0      A
4         1.0      B
5         2.0      C
6         2.0      C
7         8.0      A

我想要的是创建一个包含 的额外列region，parent默认为None如果在数据中找不到父级，例如：

       parent region parent_region
estid                             
1         NaN      A          None
2         NaN      B          None
3         1.0      A             A
4         1.0      B             A
5         2.0      C             B
6         2.0      C             B
7         8.0      A          None

以下返回正确结果：

df["parent_region"] = df.apply(lambda x : df.loc[x["parent"]]["region"] if not math.isnan(x["parent"]) and x["parent"] in df.index else None, axis = 1)

但鉴于我的数据帧有 1.68 亿行，我非常担心效率低下。有更好的方法吗？我查看了lookup和 ，get但我不太清楚如何使用NaN数据框中可能存在或不存在的 ID。

例如，我认为这可以工作：df.lookup(df["region"], df["parent"])，但它不太喜欢空键。df.get("region")不返回父级的区域，而是返回列本身，因此它不执行我想要的操作。

Answer 1

您可以使用Series.map类似于字典的方法。来自父列和区域列的值用作构成它的键和值。如果它们之间共享公共索引，则映射就会发生。

此外，na_action=ignore可用于加速此映射过程，因为NaNs这些列中存在的所有内容都将被完全忽略并简单地传播。

None最后，必须使用 using方法替换缺失值Series.replace。

df["parent_region"] = df.parent.map(df.region, na_action='ignore').replace({np.NaN:None})
Out[121]:
estid
1    None
2    None
3       A
4       A
5       B
6       B
7    None
Name: parent_region, dtype: object