首页 文章

将pandas DataFrame中的对角线三角形设置为NaN

提问于
浏览 次
4

鉴于以下数据框：

import pandas as pd
import numpy as np
a = np.arange(16).reshape(4, 4)
df = pd.DataFrame(data=a, columns=['a','b','c','d'])

我想产生以下结果：

df([[ NaN,  1,  2,  3],
    [ NaN,  NaN,  6,  7],
    [ NaN,  NaN,  NaN, 11],
    [ NaN,  NaN,  NaN,  NaN]])

到目前为止，我已经尝试使用 np.tril_indicies ，但它只适用于转换为numpy数组的df，它只适用于整数赋值（不是np.nan）：

il1 = np.tril_indices(4)
a[il1] = 0

得到：

array([[ 0,  1,  2,  3],
       [ 0,  0,  6,  7],
       [ 0,  0,  0, 11],
       [ 0,  0,  0,  0]])

...这几乎是我正在寻找的，但在指定NaN的barf：

ValueError: cannot convert float NaN to integer

而：

df[il1] = 0

得到：

TypeError: unhashable type: 'numpy.ndarray'

因此，如果我想用NaN填充数据帧的底部三角形，它是否必须是一个numpy数组，或者我可以直接使用pandas吗？ 2）有没有办法用NaN填充底部三角形而不是使用 numpy.fill_diagonal 并在整个DataFrame中逐行递增偏移量？

另一个失败的解决方案：用零填充np数组的对角线，然后屏蔽零并重新分配给np.nan . 当它们应保留为零时，它将对角线上方的零值转换为NaN！

python pandas numpy

2 回答

  • 3

    你需要强制转换为 float a ，因为 NaN 的 type 是 float ：

    import numpy as np
a = np.arange(16).reshape(4, 4).astype(float)
print (a)
[[  0.   1.   2.   3.]
 [  4.   5.   6.   7.]
 [  8.   9.  10.  11.]
 [ 12.  13.  14.  15.]]


il1 = np.tril_indices(4)
a[il1] = np.nan
print (a)
[[ nan   1.   2.   3.]
 [ nan  nan   6.   7.]
 [ nan  nan  nan  11.]
 [ nan  nan  nan  nan]]

df = pd.DataFrame(data=a, columns=['a','b','c','d'])
print (df)
    a    b    c     d
0 NaN  1.0  2.0   3.0
1 NaN  NaN  6.0   7.0
2 NaN  NaN  NaN  11.0
3 NaN  NaN  NaN   NaN
    回复于
  • 4

    使用np.where的方法 -

    m,n = df.shape
df[:] = np.where(np.arange(m)[:,None] >= np.arange(n),np.nan,df)

    样品运行 -

    In [93]: df
Out[93]: 
    a   b   c   d
0   0   1   2   3
1   4   5   6   7
2   8   9  10  11
3  12  13  14  15

In [94]: m,n = df.shape

In [95]: df[:] = np.where(np.arange(m)[:,None] >= np.arange(n),np.nan,df)

In [96]: df
Out[96]: 
    a    b    c     d
0 NaN  1.0  2.0   3.0
1 NaN  NaN  6.0   7.0
2 NaN  NaN  NaN  11.0
3 NaN  NaN  NaN   NaN
    回复于

相关问题