Применение карты по нескольким столбцам в Pandas

Question

Я пытаюсь применить карту по нескольким столбцам в пандах, чтобы отразить, когда данные недействительны. Когда данные недействительны в моем столбце df ['Count'], я хочу установить мой df ['Value'], df ['Lower Confidence Interval'], df ['Upper Confidence Interval'] и df ['Denominator'] столбцов -1.

Это образец dataframe:

Count Value  Lower Confidence Interval Upper Confidence Interval Denominator 
121743 54.15758428 53.95153779    54.36348867    224794 
280  91.80327869 88.18009411    94.38654088    305 
430  56.95364238 53.39535553    60.44152684    755 
970  70.54545455 68.0815009     72.89492873    1375 
nan    
70  28.57142857 23.27957213    34.52488678    245 
125  62.5  55.6143037     68.91456314    200 

В настоящее время я пытаюсь:

set_minus_1s = {np.nan: -1, '*': -1, -1: -1} 

затем:

df[['Value', 'Count', 'Lower Confidence Interval', 'Upper Confidence Interval', 'Denominator']] = df['Count'].map(set_minus_1s) 

и получаю ошибку:

ValueError: Must have equal len keys and value when setting with an iterable 

Есть ли способ связать ссылки столбца, чтобы сделать один вызов на карте, а не иметь отдельные строки для каждого столбца, чтобы вызвать словарь set_minus_1s в качестве карты?

Answer 1

Я думаю, что вы можете использовать where или mask и заменить все строки, в которых не isnull после применить map:

val = df['Count'].map(set_minus_1s) 
print (val) 
0 NaN 
1 NaN 
2 NaN 
3 NaN 
4 -1.0 
5 NaN 
6 NaN 
Name: Count, dtype: float64 

cols =['Value','Count','Lower Confidence Interval','Upper Confidence Interval','Denominator'] 
df[cols] = df[cols].where(val.isnull(), val, axis=0) 
print (df) 
     Count  Value Lower Confidence Interval Upper Confidence Interval \ 
0 121743.0 54.157584     53.951538     54.363489 
1  280.0 91.803279     88.180094     94.386541 
2  430.0 56.953642     53.395356     60.441527 
3  970.0 70.545455     68.081501     72.894929 
4  -1.0 -1.000000     -1.000000     -1.000000 
5  70.0 28.571429     23.279572     34.524887 
6  125.0 62.500000     55.614304     68.914563 

    Denominator 
0  224794.0 
1  305.0 
2  755.0 
3  1375.0 
4   -1.0 
5  245.0 
6  200.0 

---

cols = ['Value', 'Count', 'Lower Confidence Interval', 'Upper Confidence Interval', 'Denominator'] 
df[cols] = df[cols].mask(val.notnull(), val, axis=0) 
print (df) 
     Count  Value Lower Confidence Interval Upper Confidence Interval \ 
0 121743.0 54.157584     53.951538     54.363489 
1  280.0 91.803279     88.180094     94.386541 
2  430.0 56.953642     53.395356     60.441527 
3  970.0 70.545455     68.081501     72.894929 
4  -1.0 -1.000000     -1.000000     -1.000000 
5  70.0 28.571429     23.279572     34.524887 
6  125.0 62.500000     55.614304     68.914563 

    Denominator 
0  224794.0 
1  305.0 
2  755.0 
3  1375.0 
4   -1.0 
5  245.0 
6  200.0