不同的缺失值作为不同数据框列中的列表被替换为 NaN

Question

我有两个文件。一个是我的属性的详细信息，名称为 detail.csv，另一个是数据文件，其中包含有关这些属性的数据，名称为 data.csv

在 detail.csv 文件中，我们有两列“属性”，它给出了属性的名称和“缺失值表示”，它给出了一个值列表，这些值被用作该属性的缺失值。很少有相同的例子已在下面给出。

Attribute   Missing value representation

Height       [-1,0]

Weight       [X]

Salary       []

Gender       [XX]

现在，使用这些信息，我必须用 NaN 替换我的数据文件“data.csv”中所有相应属性的所有缺失值。数据文件中的数据表示为：

Height   Weight  Salary  Gender

-1       50      20000    F

132      X                XX

我怎样才能做到这一点？

Answer 1

假设您阅读了 CSV，它们看起来像：  Attribute Missing value representation0    Height                      [-1, 0]1    Weight                          [X]2    Salary                           []3    Gender                         [XX]   Height Weight Salary Gender0      -1     50  20000      F1     132      X            XX您可以执行以下操作：import numpy as npfor key,row in details.iterrows():    for el in row['Missing value representation']:        data[row['Attribute']].replace(el,np.NaN,inplace=True)您为每一列获取所有可能的缺失值表示，查看这些列并将这些值替换为 NaN。