用 numpy 数组值填充 Pandas 列 NaN

Question

很抱歉，如果这个问题对于新手来说似乎太难了，但我一直在寻找答案，但没有找到。

因此，我有一个包含大量 NaN 值的数据集，并且我一直在进行一些回归来预测这些空值，并且由于预测是作为 numpy.ndarray 给出的，所以我尝试用这些值填充列的间隙数组没有成功。

我的意思是，该专栏是这样的：

           ['Records']
      101       21
      102       22
      103       23 
      104       24
      106       NaN
      107       NaN
      108       NaN
      109       NaN
      110       NaN
      111       29
      112       30

该数组是：

   y_pred = [25, 26, 27, 28]

因此， fillna 不处理 numpy 数组来完成这项工作，我尝试将数组设置为 dict、pandas 列等，但没有任何效果。

另外，另一个问题是数组的长度总是与原始列不同。

我很欣赏你的见解。

Answer 1

首先，如果想用数组的所有值替换所有缺失值，则必须有相同数量的缺失值，例如数组的长度：

#added value
y_pred = [25, 26, 27, 28, 30]
m = df['Records'].isna()

df.loc[m, 'Records'] = y_pred
print (df)
     Records
101     21.0
102     22.0
103     23.0
104     24.0
106     25.0
107     26.0
108     27.0
109     28.0
110     30.0
111     29.0
112     30.0

如果可能长度不匹配，则创建Series带有按长度过滤器的助手并传递给Series.fillna：

这里数组的长度 < NaN 的数量：

y_pred = [25, 26, 27, 28]

m = df['Records'].isna()

LenNaN = m.sum()
LenArr = len(y_pred)

s = pd.Series(y_pred[:LenNaN], index=df.index[m][:LenArr])
print (s)
106    25
107    26
108    27
109    28
dtype: int64

df['Records'] = df['Records'].fillna(s)
print (df)
     Records
101     21.0
102     22.0
103     23.0
104     24.0
106     25.0
107     26.0
108     27.0
109     28.0
110      NaN
111     29.0
112     30.0

这里数组的长度 > NaN 的数量：

y_pred = [25, 26, 27, 28, 100, 200, 300]

m = df['Records'].isna()

LenNaN = m.sum()
LenArr = len(y_pred)

s = pd.Series(y_pred[:LenNaN], index=df.index[m][:LenArr])
print (s)
106     25
107     26
108     27
109     28
110    100
dtype: int64

df['Records'] = df['Records'].fillna(s)
print (df)
     Records
101     21.0
102     22.0
103     23.0
104     24.0
106     25.0
107     26.0
108     27.0
109     28.0
110    100.0
111     29.0
112     30.0