我有一个数据框:
a b c
0 1 2 3
1 1 1 1
2 3 7 NaN
3 2 3 5
...
我想使用机器学习算法在其中值是 NaN 的地方填充“三”列(更新值)。
我不知道如何就地进行。示例代码:
import pandas as pd
import numpy as np
from sklearn.linear_model import LinearRegression
df=pd.DataFrame([range(3), [1, 5, np.NaN], [2, 2, np.NaN], [4,5,9], [2,5,7]],columns=['a','b','c'])
x=[]
y=[]
for row in df.iterrows():
index,data = row
if(not pd.isnull(data['c'])):
x.append(data[['a','b']].tolist())
y.append(data['c'])
model = LinearRegression()
model.fit(x,y)
#this line does not do it in place.
df[~df.c.notnull()].assign(c = lambda x:model.predict(x[['a','b']]))
但这给了我数据框的副本。我剩下的唯一选择是使用 for 循环,但是我不想这样做。我认为应该有更多使用熊猫的pythonic方式。有人可以帮忙吗?或者有没有其他方法可以做到这一点?