パンダの複数の列にNA値を入力するにはどうすればよいですか？

Question

私は50列のデータフレームを持っています。私は、10個の列に0を代入します。

これを行う最も簡単で最も読みやすい方法は何ですか？

私のような何かを期待していた：

cols = ['a', 'b', 'c', 'd'] 
df[cols].fillna(0, inplace=True) 

しかし、それは私にValueError: Must pass DataFrame with boolean values onlyを与えます。

私はthis answerを見つけましたが、理解するのは難しいです。

Answer 1

あなたはupdate()使用することができます。

In [145]: df 
Out[145]: 
    a b c d e 
0 NaN NaN NaN 3 8 
1 NaN NaN NaN 8 7 
2 NaN NaN NaN 2 8 
3 NaN NaN NaN 7 4 
4 NaN NaN NaN 4 9 
5 NaN NaN NaN 1 9 
6 NaN NaN NaN 7 7 
7 NaN NaN NaN 6 5 
8 NaN NaN NaN 0 0 
9 NaN NaN NaN 9 5 

In [146]: df.update(df[['a','b','c']].fillna(0)) 

In [147]: df 
Out[147]: 
    a b c d e 
0 0.0 0.0 0.0 3 8 
1 0.0 0.0 0.0 8 7 
2 0.0 0.0 0.0 2 8 
3 0.0 0.0 0.0 7 4 
4 0.0 0.0 0.0 4 9 
5 0.0 0.0 0.0 1 9 
6 0.0 0.0 0.0 7 7 
7 0.0 0.0 0.0 6 5 
8 0.0 0.0 0.0 0 0 
9 0.0 0.0 0.0 9 5 

Answer 2

In [15]: cols= ['one', 'two'] 
In [16]: df 
Out[16]: 
     one  two  three four five 
a -0.343241 0.453029 -0.895119 bar False 
b  NaN  NaN  NaN NaN NaN 
c 0.839174 0.229781 -1.244124 bar True 
d  NaN  NaN  NaN NaN NaN 
e 1.300641 -1.797828 0.495313 bar True 
f -0.182505 -1.527464 0.712738 bar False 
g  NaN  NaN  NaN NaN NaN 
h 0.626568 -0.971003 1.192831 bar True 

In [17]: df[cols]=df[cols].fillna(0) 

In [18]: df 
Out[18]: 
     one  two  three four five 
a -0.343241 0.453029 -0.895119 bar False 
b 0.000000 0.000000  NaN NaN NaN 
c 0.839174 0.229781 -1.244124 bar True 
d 0.000000 0.000000  NaN NaN NaN 
e 1.300641 -1.797828 0.495313 bar True 
f -0.182505 -1.527464 0.712738 bar False 
g 0.000000 0.000000  NaN NaN NaN 
h 0.626568 -0.971003 1.192831 bar True 

Answer 3

とバージョンをお使いの場合に有用であるかもしれない列スライシングを使用して：

In [46]: 
df 

Out[46]: 
    a b c d e 
0 NaN NaN NaN 3 8 
1 NaN NaN NaN 8 7 
2 NaN NaN NaN 2 8 
3 NaN NaN NaN 7 4 
4 NaN NaN NaN 4 9 
5 9 NaN NaN 1 9 
6 NaN NaN NaN 7 7 
7 NaN NaN NaN 6 5 
8 NaN NaN NaN 0 0 
9 NaN NaN NaN 9 5 

In [47]: 
df.loc[:,'a':'c'] = df.loc[:,'a':'c'].fillna(0) 
df 

Out[47]: 
    a b c d e 
0 0 0 0 3 8 
1 0 0 0 8 7 
2 0 0 0 2 8 
3 0 0 0 7 4 
4 0 0 0 4 9 
5 9 0 0 1 9 
6 0 0 0 7 7 
7 0 0 0 6 5 
8 0 0 0 0 0 
9 0 0 0 9 5