0

Tengo un dataframe con aproximadamente 6.000.000 de instancias. Una vez realizo un filtrado para obtener las instancias que contienen missing values en X columna, se me reduce a 5747. Yo tengo otro dataframe con una columna que contiene los 5747 valores que me gustaría reemplazar por los missing values (los números de índice no son iguales), pero no consigo. El código ejecuta pero los valores no se reemplazan. Lo estoy intentando de la siguiente manera:

data[data['reference_unit'].isnull()]['reference_unit'] = obj['reference_unit'].values

Es decir, me gustaría imputar las instancias con missing values del df llamado data con los valores que tengo en dicha columna del df llamado obj. ¿Alguna sugerencia de cómo podría llevarlo a cabo?

Muchas gracias de antemano.

0

1 respuesta 1

0

Buen día,

Lo que estás haciendo es únicamente filtrar el dataframe data, te hace falta seleccionar las "celdas" deseadas, para eso puedes utilizar el método loc()

Como no pusiste tus datos tuve que crear un ejemplo genérico que tendrás que adaptar a tus necesidades

Ejemplo:

import pandas as pd
import numpy as np
import random

#Generamos un dataframe con valores del 0-100
data = np.arange(1,101)
data = data.reshape(20,5)
df1 = pd.DataFrame(data=data,columns=['a','b','c','d','e'])

#Generamos un segundo dataframe con valores aleatorios
data = np.random.randint(5, size=(4,5))
df2 = pd.DataFrame(data=data,columns=['a','b','c','d','e'],index=[0,7,12,5])

Esto genera los siguientes dataframe

#df1
    a   b   c   d   e
0   1   2   3   4   5
1   6   7   8   9   10
2   11  12  13  14  15
3   16  17  18  19  20
4   21  22  23  24  25
5   26  27  28  29  30
6   31  32  33  34  35
7   36  37  38  39  40
8   41  42  43  44  45
9   46  47  48  49  50
10  51  52  53  54  55
11  56  57  58  59  60
12  61  62  63  64  65
13  66  67  68  69  70
14  71  72  73  74  75
15  76  77  78  79  80
16  81  82  83  84  85
17  86  87  88  89  90
18  91  92  93  94  95
19  96  97  98  99  100

#df2 (Los valores pueden cambiar porque al generarlo son aleatorios)
    a   b   c   d   e
0   0   1   4   1   0
7   1   4   4   4   0
12  4   0   1   0   0
5   2   1   0   0   1

Voy a seleccionar 5 elementos de la columna "a" de df1

df1.loc[df1['a']%30 == 1, 'a']

Nota que utilizo el método loc(), eso hace que en realidad seleccionemos los valores y no es únicamente un filtro.

Por último reemplazamos los valores seleccionados con la columna "a" de df2

df1.loc[df1['a']%30 == 1, 'a'] = df2['a'].values

Este es el resultado:

    a   b   c   d   e
0   0   2   3   4   5
1   6   7   8   9   10
2   11  12  13  14  15
3   16  17  18  19  20
4   21  22  23  24  25
5   26  27  28  29  30
6   1   32  33  34  35
7   36  37  38  39  40
8   41  42  43  44  45
9   46  47  48  49  50
10  51  52  53  54  55
11  56  57  58  59  60
12  4   62  63  64  65
13  66  67  68  69  70
14  71  72  73  74  75
15  76  77  78  79  80
16  81  82  83  84  85
17  86  87  88  89  90
18  2   92  93  94  95
19  96  97  98  99  100

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.