Как заполнить 0 в кадре данных панд с фиксированным номером индекса?
Исключение нулевого указателя - это индикатор того, что вы используете объект, не инициализируя его.
Например, ниже - класс ученика, который будет использовать его в нашем коде.
public class Student {
private int id;
public int getId() {
return this.id;
}
public setId(int newId) {
this.id = newId;
}
}
Приведенный ниже код дает вам исключение с нулевым указателем.
public class School {
Student obj_Student;
public School() {
try {
obj_Student.getId();
}
catch(Exception e) {
System.out.println("Null Pointer ");
}
}
}
Поскольку вы используете Obj_Student, но вы забыли инициализировать его, как в правильном коде, показанном ниже:
public class School {
Student obj_Student;
public School() {
try {
obj_Student = new Student();
obj_Student.setId(12);
obj_Student.getId();
}
catch(Exception e) {
System.out.println("Null Pointer ");
}
}
}
2 ответа
Метод 1
Сначала примените np.array, чтобы получить массивы, затем примените pd.Series, чтобы в основном повернуть значения каждого столбца в строку, чтобы мы могли использовать стек для преобразования. После этого мы используем stack и сохраняем NaN.
В конце мы concat все кадры данных до одного окончательного кадра данных по axis=1
cols = ['valueA', 'valueB']
dfs = []
for col in cols:
dfs.append(df.groupby('mIndex')[col].apply(np.array)
.apply(pd.Series)
.stack(dropna=False).reset_index(level=0)
.rename({0:col}, axis=1))
df_final = pd.concat(dfs, axis=1).reset_index(drop=True)
print(df_final)
mIndex valueA mIndex valueB
0 1 111.0 1 10.0
1 1 112.0 1 20.0
2 1 NaN 1 NaN
3 2 222.0 2 30.0
4 2 221.0 2 40.0
5 2 223.0 2 50.0
6 3 333.0 3 60.0
7 3 NaN 3 NaN
8 3 NaN 3 NaN
Метод 2
мы можем получить доступ к groupby элементам
df= pd.concat([
d.reset_index(drop=True).reindex(range(3))
for n, d in df.groupby('mIndex')
], ignore_index=True)
print(df)
mIndex valueA valueB
0 1.0 111.0 10.0
1 1.0 112.0 20.0
2 NaN NaN NaN
3 2.0 222.0 30.0
4 2.0 221.0 40.0
5 2.0 223.0 50.0
6 3.0 333.0 60.0
7 NaN NaN NaN
8 NaN NaN NaN
Я могу сделать это только тупым путем, может быть, у кого-то есть лучшее решение:
# df
mIndex valueA valueB
0 1 a a
1 2 b b
2 2 b b
3 3 c c
Вот и мы: ]