如何使用 float64 nan 选择行？

Question

我有一个来自 excel 的数据框，其中行中有几个 NaN。我想用另一个基线行替换值全部为 NaN 的行。

原始数据框是这样的：

                    Country Name  Years  tariff1_1  tariff1_2  tariff1_3  
830                 Hungary       2004   9.540313   6.287314  13.098201   
831                 Hungary       2005   9.540789   6.281724  13.124401 
832                 Hungary       2006   NaN        NaN       NaN 
833                 Hungary       2007   NaN        NaN       NaN 
834                 eu            2005   8.55       5.7       11.4
835                 eu            2006   8.46       5.9       11.6
836                 eu            2007   8.56       5.3       11.9

因此，如果特定年份匈牙利的关税均为 NaN，则应根据确切年份，用欧盟数据替换该行。

理想的结果是：

                    Country Name  Years  tariff1_1  tariff1_2  tariff1_3  
830                 Hungary       2004   9.540313   6.287314  13.098201   
831                 Hungary       2005   9.540789   6.281724  13.124401 
832                 Hungary       2006   8.46       5.9       11.6 
833                 Hungary       2007   8.56       5.3       11.9
834                 eu            2005   8.55       5.7       11.4
835                 eu            2006   8.46       5.9       11.6
836                 eu            2007   8.56       5.3       11.9

我查看了特定行 ('Hungary',2006) 中 NaN 的类型，它变成了 'float64'。所以事实证明，输入类型不支持 ufunc 'isnan'，并且输入不能是在我使用后，根据转换规则“安全”，安全地强制转换为任何支持的类型np.isnan。

所以我就采用了math.isnan。但它似乎没有检测到我的测试行中的NaN ：

test=df.loc[(df['Country Name'] == 'Hungary') & (df['Years']== 2006)]

test.iloc[:,4]
Out[293]: 
832   NaN
Name: tariff1_3, dtype: float64

math.isnan(any(test))
Out[294]:False

np.isnan(any(test))
Out[295]:ufunc 'isnan' not supported for the input types, and the inputs could not be safely coerced to any supported types according to the casting rule ''safe''

这是我的原创台词。

 Eu=['Austria','Belgium','Curacao','Denmark','Finland','France','Germany']

 for country in Eu:
        for year in range(2001,2012)
            if math.isnan(all(df.loc[(df['Country Name'] == country) & (df['Years'] == year)])):
                df.loc[(df['Country Name'] == country) & (df['Years'] == year)]=df.loc[(df['Country Name'] == 'eu') & (df['Years'] == year)]

谢谢 ！

Answer 1

你可以试试 ：

df.isnull().values.any()

对于你的情况：

test.isnull().values.any()