假设我有一个数据帧，其中每5行都填充了NAS，如下所示:
| Number | A | B | C |
|---|---|---|---|
| 4 | 2 | 1 | 0 |
| 5 | NA | NA | NA |
| 6 | 5 | 6 | 7 |
| 100 | 3 | 5 | 2 |
我想用第3行的值替换您可以在第5行找到的NA值.
到目前为止，我try 过的是:
df.loc[df['Number'] % 5 == 0, ['A','B','C']] = df.loc[df['Number'] % 3 == 0, ['A','B','C']]
这种方法不会抛出任何错误，但它不会做任何事情.但是，如果我将赋值的右侧替换为常量，则可以很好地工作，如下所示:
df.loc[df['Number'] % 5 == 0, ['A','B','C']] = 3
你有什么办法让它发挥作用吗？
编辑:
我不想给出完整的原始任务，但是这个虚拟的例子有点错误.让我们假设右侧的行数与左侧的行数相同.主要目标仍然是根据条件用数据帧的子集替换每5行的值.我希望这能更容易理解一些，并为错别化感到抱歉.
您的索引未对齐，这就是它不起作用的原因:
# Left hand side
>>> df.loc[df['Number'] % 5 == 0, ['A','B','C']]
A B C
1 NA NA NaN
3 3 5 2.0
# Right hand side
>>> df.loc[df['Number'] % 3 == 0, ['A','B','C']]
A B C
2 5 6 7.0
Pandas 不能在(1，3)和2之间对齐索引.解决方案是将右侧转换为.values或.to_numpy()的NumPyarray.但是，如果执行此操作，还会更改第四行.
最新情况:
让我们假设右侧的行数与左侧的行数相同
在这种情况下，请使用:
df.loc[df['Number'] % 5 == 0, ['A','B','C']] = \
df.loc[df['Number'] % 3 == 0, ['A','B','C']].values
# Before (I slightly modified your example)
>>> df
Number A B C
0 3 2.0 1.0 0.0
1 5 NaN NaN NaN
2 6 5.0 6.0 7.0
3 100 NaN NaN NaN
# After
>>> df
Number A B C
0 3 2.0 1.0 0.0
1 5 2.0 1.0 0.0
2 6 5.0 6.0 7.0
3 100 5.0 6.0 7.0