2

Tengo un DataFrame de Pandas llamado df_test de 173 fil x 21 col. En el index = 6 y columnas con las etiquetas col16, col17 y col18 están 3 str "UN" que debo cambiar por numpy.nan usando estas líneas (completando los espacios):

for column in ___:
    df_test.loc[____ == '____', column] = ____

También tengo una lista que contiene los nombres de las columnas donde están las tres cadenas a reemplazar:

columnas = ["col16", "col17", "col18"]

He probado muchas formas sin éxito, por ejemplo:

  1. for column in df_test: 
        df_test.loc[df_test[columnas] == "UN", column] = np.nan
    

    Error: ValueError: cannot copy sequence with size 3 to array axis with dimension 173.

  2. for column in df_test: 
        df_test.loc[df_test["col16"] == "UN", column] = np.nan
    

    Error: Cambia el valor requerido pero también todos los otros en las columnas a su izquierda.

Este es un print screen del df_test indicando el dtype (únicamente se observan las str "UN"):

df_test

¿Cómo selecciono únicamente las cadenas que debo cambiar usando el for column in y el filtro boleano? ¿El reemplazo lo puedo hacer para las 3 columnas al mismo tiempo o debe ser de una columna a la vez?

1 respuesta 1

1

Has estado bastante cerca en realidad con tu segundo intento:

df_test.loc[df_test["col16"] == "UN", column]

El problema es que esto selecciona cualquier fila que tenga como valor "UN" en la columna "col16" y cambia el valor de la columna sobre la que se esté iterando (y con for column in df_test iteras sobre todas).

La causa de que solo modifique las situadas a la izquierda se debe a que cuando se llega a df_test.loc[df_test["col16"] == "UN", "col16"], el valor de la columna "col16" se modifica, por lo que para la siguiente iteración ("col18") y sucesivas df_test["col16"] == "UN" ya no se cumple.

Puedes hacer:

columnas = ["col16", "col17", "col18"]
for column in columnas:
    df_test.loc[df_test[column] == "UN", column] = np.nan

o directamente:

for column in ("col16", "col17", "col18"):
    df_test.loc[df_test[column] == "UN", column] = np.nan

Si se tiene que sustituir todos los valores "UN" independientemente de la columna en la que estén debes iteras sobre todas las columnas mediante for column in df_test:

for column in df_test:
    df_test.loc[df_test[column] == "UN", column] = np.nan

El primer parámetro, df_test[column] == "UN" va a hacer que loc seleccione cualquier fila del DataFrame que cumpla la condición de tener el valor "UN" en la columna sobre la que se esté iterando en ese momento. El segundo argumento, column selecciona la columna en concreto dentro de esa fila concreta permitiendo asignar el nuevo valor.

Hay que tener en cuanta que hay formas más directas y eficientes de hacer esto en este caso, por ejemplo:

df_test.replace("UN", np.nan, inplace=True)

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.